EvaDB 使软件开发人员能够用几行代码构建 AI 应用开源程序。强大的 SQL API 简化了结构化和非结构化数据的 AI 应用程序开发-优快云博客

本文链接：https://blog.youkuaiyun.com/struggle2025/article/details/146510879

一、软件介绍

文末下载程序和源码

EvaDB 使软件开发人员能够用几行代码构建 AI 应用程序。其强大的 SQL API 简化了结构化和非结构化数据的 AI 应用程序开发。

二、EvaDB 的优势包括

轻松将 EvaDB 查询引擎与数据源（如 PostgreSQL 或 S3 存储桶）连接起来，并使用 SQL 查询构建 AI 驱动的应用程序。

使用来自 Hugging Face、OpenAI、YOLO、Stable Diffusion 等的预训练 AI 模型查询您的连接数据。

得益于以 AI 为中心的查询优化（例如缓存、批处理和并行处理），可以加快 AI 查询速度。

三、为什么选择 EvaDB

在 AI 领域，我们已经达到了一个阶段，许多传统上由 AI 或 ML 工程师处理的 AI 任务现在可以自动化。EvaDB 使软件开发人员能够执行高级 AI 任务，而无需深入研究复杂的细节。
EvaDB 涵盖许多 AI 应用程序，包括回归、分类、图像识别、问答和许多其他生成式 AI 应用程序。EvaDB 针对 99% 的 AI 问题，这些问题通常是重复的，可以通过 SQL 查询中的简单函数调用来实现自动化。到目前为止，还没有一个全面的开源框架可以通过有原则的 AI 优化框架将 AI 引入现有的 SQL 数据库系统，这就是 EvaDB 的用武之地。
我们的目标受众是软件开发人员，他们可能不一定具有 AI 背景，但需要 AI 功能来解决特定问题。我们的目标客户是在 CRUD 应用程序中编写简单 SQL 查询的程序员。使用 EvaDB，可以通过在查询中调用内置 AI 函数来轻松地为这些应用程序添加 AI 功能。

EvaDB 的工作原理

使用“CREATE DATABASE”和“CREATE INDEX”语句将 EvaDB 连接到您的 SQL 和矢量数据库系统。
使用 AI 函数编写 SQL 查询以获取推理结果：
- 从 Hugging Face、Open AI、Ultralytics、PyTorch 和内置 AI 框架中选择一个预训练的 AI 模型，用于生成式 AI、NLP 和视觉应用程序;
- 或者从各种最先进的 ML 引擎中挑选用于经典 ML 用例（分类、回归等）;
- 或者使用“CREATE FUNCTION”引入使用任何 AI/ML 框架构建的自定义模型。

说明性查询

获取有关使用 GPT4 的 Github 观星者的见解。

SELECT name, country, email, programming_languages, social_media, GPT4(prompt,topics_of_interest)
FROM gpt4all_StargazerInsights;

--- Prompt to GPT-4
You are given 10 rows of input, each row is separated by two new line characters.
Categorize the topics listed in each row into one or more of the following 3 technical areas - Machine Learning, Databases, and Web development. If the topics listed are not related to any of these 3 areas, output a single N/A. Do not miss any input row. Do not add any additional text or numbers to your output.
The output rows must be separated by two new line characters. Each input row must generate exactly one output row. For example, the input row [Recommendation systems, Deep neural networks, Postgres] must generate only the output row [Machine Learning, Databases].
The input row [enterpreneurship, startups, venture capital] must generate the output row N/A.

在 Reddit 图像集合上的 SIFT Feature Extractor 返回的特征嵌入上构建向量索引。返回给定图像的前 5 个相似图像。

CREATE INDEX reddit_sift_image_index
    ON reddit_dataset (SiftFeatureExtractor(data))
    USING FAISS

SELECT name FROM reddit_dataset ORDER BY
    Similarity(
        SiftFeatureExtractor(Open('reddit-images/g1074_d4mxztt.jpg')),
        SiftFeatureExtractor(data)
    )
    LIMIT 5