Enterprise-Wissensabruf
EDDI bietet eine vollständige Retrieval-Augmented Generation-Pipeline: Wissensdatenbanken, die sich selbst aus einer Website oder aus hochgeladenen Dateien füllen, native Unterstützung für mehrere Embedding-Provider und Vektorspeicher sowie eine infrastrukturlose RAG-Option über HTTP-Aufrufe.
RAG-Fähigkeiten
- Web-Crawler: Crawlt eine Website innerhalb der von Ihnen gesetzten Grenzen und beachtet robots.txt, deren Crawl-Delay und Sitemaps. Unveränderte Seiten werden beim nächsten Lauf übersprungen, und entfernte Seiten verlassen die Wissensdatenbank
- Dateiaufnahme: Laden Sie PDF-, Word-, Excel-, PowerPoint-, Text-, Markdown-, CSV- und HTML-Dateien hoch, und jede wird als Indiziert, Geändert oder Nicht indiziert markiert
- Geplante Quellen: Jede Quelle kann nach einem Cron-Zeitplan laufen, mit Vorschau, einem Laufverlauf mit Zählern und Fehlern und einer Bereinigung
- 8 Embedding-Provider: OpenAI, Azure OpenAI, Ollama, Mistral, Amazon Bedrock, Cohere, Google Gemini, Google Vertex AI
- 6 Vektorspeicher: pgvector, Chroma, In-Memory, MongoDB Atlas, Elasticsearch, Qdrant
- httpCall RAG: Infrastrukturlose RAG über beliebige Such-APIs (BM25, Elasticsearch, eigene Endpunkte)
- REST-Aufnahme-API: Übertragen Sie Dokumente selbst, wenn eine Pull-Quelle nicht passt
Flexible Bereitstellung
RAG ist vollständig konfigurationsgesteuert. Wählen Sie Ihren Embedding-Provider und Vektorspeicher über JSON-Konfiguration, keine Codeänderungen nötig. Die httpCall RAG-Option ermöglicht die Nutzung jeder vorhandenen Suchinfrastruktur (Elasticsearch, Solr, eigene APIs) ohne separate Vektordatenbank.