大语言模型正在与企业应用迅速结合，并深刻改变企业的各个产业环节。而大模型训练所使用的数据包含了如文档、图片、音视频等各种类型的非结构化数据，传统关系型数据库能力有限。通过将这些非结构化数据转换为多维向量，可以结构化地在向量数据库中进行管理，实现高效的数据存储和检索过程，结合相似性检索特性，可以有效地解决大模型在知识时效性低、输入能力有限、准确度低等问题。
星环科技Transwarp Hippo作为一款企业级云原生分布式向量数据库，自发布以来受到了众多用户的欢迎，帮助用户实现向量数据的存储、管理和检索，加速大模型场景的探索和实践。为了进一步降低用户使用向量数据库的门槛和成本，Hippo推出Community Edition社区版，单机即可安装部署，开箱即用，并支持多种接口、向量/标量数据实时更新，以及多种向量检索，帮助用户低成本、快速地进行大模型场景的探索，如构建知识库、智能问答机器人等。
极简资源，极速安装
Hippo社区版仅需单台服务器即可安装部署，百万级向量数据量推荐配置仅需4核8G。all-in-one全内置设计，做到开箱即用，整个安装过程最快仅需3分钟，即可上手体验。
Hippo安装流程
Hippo社区版安装教程
多种接口、多种检索，简单易用
Hippo社区版提供标准的Python、Restful、Java API等接口，可轻松对接各类应用和模型，提高应用开发和调用的效率。同时，提供类SQL接口，满足入库等特定场景，大幅降低使用和操作的难度。
Hippo社区版支持树索引和位图索引，支持向量topk搜索、向量/标量混合搜索和向量相似度过滤，可满足多种不同的检索场景。
简单3步，快速搭建私有知识库
基于Hippo社区版，用户可快速搭建私有知识库。
第一步：安装向量数据库Hippo社区版、embedding model，并验证;
第二步：知识入库，将语料文档通过embedding model转化为向量，存储到Hippo中;
第三步：调用大模型，并测试连通性。
基于以上3步，即可开始智能问答。
当用户发起提问时，运转流程如下：
* 向量转化并检索，通过embedding model将用户问题转化为向量，并作为Hippo的查询条件进行查询;
* 构建prompt，将检索信息与用户问题进行拼接构造prompt，作为大模型的输入;
* 大模型回答，大模型使用基础能力并结合检索信息完成对用户问题的回答。
基于Hippo构建知识库的演示Demo
了解更多信息，请访问星环科技向量数据库Transwarp Hippo官网或星环开发者社区。
（免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。 ）
