Déployez des agents IA dotés d'une mémoire persistante. Déployez-les où vous le souhaitez.
Ce que les développeurs créent grâce à VectorAI DB
CrewAI + Base de données VectorAI
Une mémoire isolée et persistante pour chaque agent au sein d’une équipe multi-agents.
LlamaIndex + base de données VectorAI
Pipeline RAG local sans service de vecteurs dans le cloud. S'exécute sur sur site ou en périphérie.
Tracer
Recherche sémantique dans les dossiers de personnes disparues. Comble le fossé lexical entre les familles et les dossiers médico-légaux, entièrement sur l'appareil.
Revvec
Pipeline RAG en mode « air-gap » destiné aux secteurs de la défense, de l'aérospatiale et de l'industrie pharmaceutique. Fonctionne sur un seul Mac ; aucune connexion Internet requise.
FixFirst
Assistant de maintenance hors ligne destiné aux techniciens industriels. Effectuez des recherches dans les manuels et l'historique des incidents à l'aide d'un code d'erreur, d'une photo ou d'une note vocale.
LangChain + Base de données VectorAI
Mémoire d'agent qui persiste d'une session à l'autre sans dépendance vis-à-vis du cloud.
LangGraph + Base de données VectorAI
État d'agent qui résiste aux environnements déconnectés.
La plupart des bases de données vectorielles ont été conçues pour les schémas d'requête s humaines. Les agents d'IA sont différents.
/
Des chiffres qui résistent à la charge
QPS
745,2 QPS sur des vecteurs de 10 millions de dimensions à 768 dimensions. 22 fois plus rapide que Milvus et Qdrant.
précision de recherche
Latence p99
13 ms (p99) avec un taux de rappel de 99 % sur le matériel auto-hébergé où s'exécutent vos agents.
Ce que vous obtenez
Une mémoire qui perdure d'une session à l'autre
Récupération d'informations d'une session à l'autre, en fonction de l'utilisation, au sein de votre périmètre.
Surveillez-le à partir des outils que vous utilisez déjà
Les métriques natives de Prometheus dans vos tableaux de bord Grafana existants.
Requêtes parallèles sans ralentissement
Les étapes de raisonnement et les consultations de la mémoire se déroulent en parallèle, sans perte de données.
Déployer la même version partout
De l'ordinateur portable au centre de données sans aucune réécriture, quel que soit le matériel.
Réussir l'évaluation sans repenser l'architecture
RGPD, HIPAA et obligation de conservation des données en fonction de leur lieu de stockage.
Regardez VectorAI DB en action
Découvrez l'déploiement complète d'un agent, de zéro à la première « requête ».
Commencez à utiliser votre framework
Ajoute-le à la pile sur laquelle tu travailles déjà.
Utilisez directement le SDK VectorAI DB Python pour n’importe quelle pile d’agents personnalisée. Vous fournissez le modèle d’encodage ; VectorAI DB se charge du stockage et de la recherche.
# Install
pip install actian-vectorai
from actian_vectorai import VectorAIClient
client = VectorAIClient(host="localhost:8080")
client.create_collection("agent-memory", dim=768)
results = client.query(
collection="agent-memory",
vector=embeddings,
top_k=10
)Exécutez-le quel que soit le mode de livraison choisi
Python ainsi que des SDK JavaScript, une API REST et un conteneur Docker unique qui fonctionne de la même manière sur un ordinateur portable, un terminal périphérique ou un cluster Kubernetes.
Comparaison de VectorAI DB
Un aperçu objectif des environnements d'exécution de chaque base de données vectorielle et de ses performances. Débit mesuré sur 10 millions de vecteurs à 768 dimensions, avec un matériel identique.
VectorAI DB |
Pomme de pin |
Qdrant |
Weaviate |
|
|---|---|---|---|---|
Débit pour 10 millions de vecteurs |
745 QPS |
~33 QPS |
~34 QPS |
Les formules en auto-hébergement varient |
Fonctionne sur du matériel périphérique aux ressources limitées (Jetson, Pi) |
Oui |
Non |
En quantité limitée |
En quantité limitée |
Une API identique, du prototype à la mise en production |
Oui |
Uniquement sur le cloud |
Oui |
Oui |
sur site et isolé physiquement déploiement |
Oui |
Non |
Oui |
Oui |
entièrement géré option cloud |
Autogéré |
Oui |
Cloud |
Cloud |
Qui utilise la base de données VectorAI ?
Des équipes qui déploient leurs solutions là où se trouvent les données, là où le réseau ne peut pas toujours accéder.
Les données des patients restent au sein de votre périmètre tout au long de chaque processus d’ requête.
Déploiement dans : centres de données hospitaliers, serveurs de cliniques, recherche
Fonctionnement homogène sur les infrastructures hybrides, en périphérie et multisites, quelles que soient les contraintes liées à la connectivité, à la conformité ou au matériel.
Déploiement sur : environnement hybride, périphérie + cloud, multisite
FAQ
Actian VectorAI DB est une base de données vectorielle conçue pour les agents d'IA, leur offrant une mémoire persistante et une recherche par « faible latence » sur votre propre infrastructure.
La plupart des bases de données vectorielles ont été conçues pour des déploiements natifs dans le cloud et des modèles d’ requête s à l’échelle humaine. VectorAI DB est conçue pour le comportement simultané et à haute fréquence des flottes d’agents et fonctionne de manière cohérente dans les environnements de périphérie, d’ sur site, isolés physiquement et dans le cloud, sans nécessiter de modifications architecturales. Pinecone est exclusivement disponible dans le cloud. Qdrant et Weaviate support proposent des solutions auto-hébergées déploiement , mais sont principalement conçues pour des charges de travail à l’échelle du cloud, et non pour les environnements de périphérie ou déconnectés.
VectorAI DB s'intègre nativement à LangChain, LlamaIndex et Hugging Face. Des SDK pour Python et JavaScript sont disponibles. Des plugins développés par la communauté étendent l'support à CrewAI, LangGraph et Mastra. La documentation complète sur l' est disponible à l'adresse docs.vectoraidb.actian.com.
VectorAI DB atteint un débit de 745,2 QPS sur 10 millions de vecteurs à 768 dimensions, soit une vitesse plus de 22 fois supérieure à celle de Milvus et Qdrant sur un matériel identique. Il est conçu pour le comportement parallèle et à haute fréquence des « requête s » générées par les flottes d’agents, et non pour les schémas séquentiels des applications destinées aux utilisateurs humains.
L'offre gratuite correspond à la VectorAI DB Community Edition. Elle est gratuite à vie et ne nécessite aucune configuration de facturation. Elle offre une capacité de 5 000 vecteurs, se déploie sur des machines de développement locales et s'accompagne d'une support fournie par la communauté.
VectorAI DB prend en charge HNSW et d’autres méthodes d’indexation par réseaux neuronaux artificiels (ANN) pour une recherche « faible latence » et de haute précision à grande échelle.
VectorAI DB est indépendant du modèle et prend en charge les représentations vectorielles provenant de n'importe quel fournisseur : OpenAI, Anthropic, Cohere, Hugging Face ou tout modèle personnalisé que vous fournissez.
Oui. VectorAI DB stocke des représentations vectorielles issues de textes, d'images, de fichiers audio et de vidéos.
Commencez gratuitement, sans configuration de facturation
Tout ce dont vous avez besoin pour créer un prototype de mémoire d'agent sur votre propre machine, dès aujourd'hui.
Accès sans facturation
Téléchargez VectorAI DB et commencez à l'utiliser immédiatement. Aucune configuration de facturation n'est nécessaire.
Indexation et recherche vectorielles
Indexation ANN (HNSW), API de recherche vectorielle et surveillance pour support pouvant contenir jusqu'à 5 000 représentations vectorielles.
Installation rapide en local
Installez, indexez vos données et exécutez des requêtes en quelques minutes grâce à une documentation claire, des guides de démarrage rapide et des exemples de code.
