Centre des développeurs
Découvrez les ressources disponibles et développez des applications dans le langage de votre choix
-
![python blanc]()
Python
-
![logo JavaScript blanc]()
JavaScript
from actian_vectorai import VectorAIClient, VectorParams, Distance, PointStruct
with VectorAIClient("localhost:50051") as client:
# vectors_config defines the shape of your data: dimensions + similarity metric
client.collections.create("my_collection", vectors_config=VectorParams(size=128, distance=Distance.Cosine))
client.points.upsert("my_collection", [
PointStruct(id=1, vector=[0.1] * 128, payload={"label": "first vector"}),
])
# replace query vector with your model's output for semantic search
results = client.points.search("my_collection", vector=[0.15] * 128, limit=1)
print(results[0].payload) # {"label": "first vector"}const client = new VectorAIClient('localhost:6574');
// vectors_config defines the shape of your data: dimensions + similarity metric
await client.collections.create('my_collection', { dimension: 128, distanceMetric: 'COSINE' });
await client.points.upsert('my_collection', [
{ id: 1, vector: new Array(128).fill(0.1), payload: { label: 'first vector' } },
]);
// replace query vector with your model's output for semantic search
const results = await client.points.search('my_collection', new Array(128).fill(0.15), { limit: 1 });
console.log(results[0].payload); // { label: 'first vector' }
Ressources
Everything you need to build, test, and ship AI apps.
Documentation
Get started quickly with our SDKs, APIs, and developer tools so you can build, query, prototype, and bring your AI apps to production faster.
Voir l'article
Guides
Step-by-step quickstarts to run VectorAI DB locally and build your first app with Python and JavaScript.
Voir l'article
Outils de développement
SDKs and APIs to integrate VectorAI DB into your AI Apps.
Voir l'articleIntégrez-le à votre infrastructure
Connectez la base de données Actian VectorAI à vos environnements cloud, architectures, frameworks et appareils existants.
Intégrez-le à votre infrastructure
Connectez la base de données Actian VectorAI à vos environnements cloud, architectures, frameworks et appareils existants.
Ressources pédagogiques
Communauté
Entrez en contact avec des développeurs qui créent pilotée par l’IA . Posez des questions, partagez des idées et collaborez pour trouver des solutions.
Blog des développeurs
Découvrez les témoignages des ingénieurs d'Actian et des contributeurs de la communauté, qui partagent des cas d'utilisation concrets, des conseils et des architectures d'applications.
Découvrez les tutoriels et les démonstrations
Découvrez comment vous lancer avec VectorAI DB grâce à des tutoriels, des démonstrations pratiques et des vidéos explicatives.
En savoir plus
Le coût caché des modèles de tarification des bases de données vectorielles
Les frais imprévus sont souvent proportionnels au volume de données rend les services cloud gérés coûteux.
Quelles évolutions pour les bases de données vectorielles en 2026 ?
L'indexation vectorielle est en train de devenir une fonctionnalité standard dans les bases de données multimodèles traditionnelles.
Quand choisir une base de données vectorielle sur site dans le cloud ?
Le cloud est idéal pour le prototypage, mais les solutions sur site l'emportent en termes de coût, de souveraineté et de latence.
Pourquoi analyses des données en temps réel reposer sur le cloud en 2026
La latence du cloud est trop élevée pour les applications critiques en temps réel telles que la robotique ou l'automatisation.
5 modèles d'architecture d'IA en périphérie pour les environnements hors réseau
Des architectures locales spécialisées garantissent le bon fonctionnement de l'IA dans des environnements hors réseau.
Faut-il utiliser la méthode RAG ouoptimiser LLM ?
Le RAG domine le domaine de l'IA d'entreprise grâce à sa flexibilité, mais le fine-tuning excelle à grande échelle.
Start building with Actian VectorAI DB
(par exemple, sales@..., support)
