Аналитика для эпохи агентов
в реальном времени с поддержкой ИИ

Apache Doris даёт ИИ-приложениям доступ в реальном времени к достоверным корпоративным данным, доступным для запросов. Создавайте агентов, учитывающих данные, повышайте качество RAG, отслеживайте поведение ИИ, выполняйте аналитику и гибридный поиск по структурированным, полуструктурированным и неструктурированным данным в любом масштабе.

Почему аналитикадля ИИ важнав эпоху агентов.

Когда аналитическая основа обеспечивает актуальность, гибридный поиск, наблюдаемость и единую архитектуру, меняются пять аспектов:

  • Качество решений
  • Контекст приложения
  • Релевантность поиска
  • Прозрачность работы агентов
  • Стоимость всей системы
  1. 01

    Решения ИИ в реальном времени

    ИИ-агенты запрашивают актуальные операционные данные и действуют, пока взаимодействие с пользователем или бизнес-процесс ещё продолжается.

  2. 02

    Приложения с доступом к данным

    Копилоты, агенты и RAG-системы используют свежие, достоверные корпоративные данные для контекста, памяти и надёжных действий.

  3. 03

    RAG и поиск знаний

    SQL-фильтры, полнотекстовый поиск, BM25 и векторный поиск выполняются в одном запросе, чтобы LLM получали точный контекст и реже галлюцинировали.

  4. 04

    Наблюдаемость ИИ

    Промпты, ответы, трассировки, вызовы инструментов, расход токенов и затраты хранятся вместе и доступны для запросов, отладки и постоянного контроля качества.

  5. 05

    Простой стек данных для ИИ

    Один движок объединяет аналитику в реальном времени, полнотекстовый и векторный поиск, анализ журналов и SQL-функции для ИИ, сокращая число конвейеров, которые нужно обслуживать.

Что требуется от аналитики для ИИи что предлагает Apache Doris.

Пять задач, с которыми платформа аналитики для ИИ должна справляться, и конкретные возможности Apache Doris для каждой из них.

Аналитика для ИИ на Apache Doris: документы, эмбеддинги и потоки поддерживают актуальность Doris; ИИ-приложение задаёт вопрос, Doris отвечает одним гибридным запросом, объединяющим SQL-фильтры, полнотекстовый и векторный поиск, LLM формирует ответ, а трассировки, токены, стоимость и отзывы записываются обратно в Doris для улучшения следующего цикла.ВХОДНЫЕ ДАННЫЕДОКУМЕНТЫ И ЛОГИтекст · JSON · заявкиЭМБЕДДИНГИиз моделей эмбеддинговПОТОКИ И CDCзаказы · сессииAPACHE DORISЕДИНЫЙ СЛОЙ SQLПРИЁМ И ОТВЕТЫприём за секунды · ответ < 1 с01ГИБРИДНЫЙ ЗАПРОС02SQL-ФИЛЬТРЫвремя · ACLFTSBM25ВЕКТОРЫэмбеддингиRRF → РАНЖИРОВАННЫЙ КОНТЕКСТVARIANTJSON · события · вызовы инструментов03НАБЛЮДАЕМОСТЬ ИИпромпты · трассы · токены · затраты · оценки04ЭКОСИСТЕМАLLM SQL · сервер MCP · API05ЦИКЛ АГЕНТАВОПРОСКОНТЕКСТИИ-ПРИЛОЖЕНИЕагент · копилот · RAGПРОМПТ + КОНТЕКСТLLMответ с учётом контекстаТРАССЫ · ТОКЕНЫ · ЗАТРАТЫТРАССЫ И ОТЗЫВЫтокены · затраты · оценкиЗАПИСАНОУЛУЧШЕНИЕ ПРОМПТОВ И ПОИСКАРИС. 04 · ЦИКЛ АГЕНТА: ВОПРОС → ПОИСК → ГЕНЕРАЦИЯ → ЗАПИСЬ → УЛУЧШЕНИЕ

Возможности Apache Doris для ИИ

Для каждой возможности есть ссылка на её документацию. Подробнее о технической реализации читайте в блоге Apache Doris.

Создавайте аналитику для ИИ
на базе Apache Doris.

Начать работу