> For the complete documentation index, see [llms.txt](https://docs.clore.ai/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.clore.ai/guides/guides_v2-ru/rag-i-vektornye-bazy-dannykh/rag-vectordb.md).

# Обзор

Руководства по RAG и векторным базам данных для GPU-облака Clore.ai

Решения для генерации с дополнением извлечением (RAG) и векторных баз данных для создания интеллектуального поиска и AI-приложений.

Системы RAG комбинируют большие языковые модели с внешними базами знаний, чтобы предоставлять точные, актуальные ответы. Векторные базы данных обеспечивают семантический поиск и сопоставление по похожести, сохраняя высокоразмерные эмбеддинги текста, изображений и других данных.

Развертывайте векторные базы данных и RAG-фреймворки на GPU CLORE.AI, чтобы обеспечивать работу интеллектуальных поисковых приложений, чат-ботов с доступом к внешним знаниям и продвинутых AI-систем, способных рассуждать над большими коллекциями документов на маркетплейсе Clore.ai.

## Доступные руководства

| Руководство                                                                   | Сценарий использования                   | Сложность   |
| ----------------------------------------------------------------------------- | ---------------------------------------- | ----------- |
| [ChromaDB](/guides/guides_v2-ru/rag-i-vektornye-bazy-dannykh/chromadb.md)     | Простая векторная база данных            | Лёгкая      |
| [LlamaIndex](/guides/guides_v2-ru/rag-i-vektornye-bazy-dannykh/llamaindex.md) | Фреймворк RAG и оркестрация              | Средняя     |
| [Milvus](/guides/guides_v2-ru/rag-i-vektornye-bazy-dannykh/milvus.md)         | Векторная база данных для предприятий    | Продвинутая |
| [Qdrant](/guides/guides_v2-ru/rag-i-vektornye-bazy-dannykh/qdrant.md)         | Быстрый движок векторного поиска         | Средняя     |
| [RAGFlow](/guides/guides_v2-ru/rag-i-vektornye-bazy-dannykh/ragflow.md)       | Полная платформа RAG                     | Средняя     |
| [Weaviate](/guides/guides_v2-ru/rag-i-vektornye-bazy-dannykh/weaviate.md)     | AI-ориентированная векторная база данных | Продвинутая |

## Сравнение баз данных

| База данных | Лучше всего подходит для       | Масштабируемость | Ускорение на GPU |
| ----------- | ------------------------------ | ---------------- | ---------------- |
| ChromaDB    | Прототипирование               | Малые—средние    | Ограничено       |
| Milvus      | Корпоративный                  | Высокая          | Отлично          |
| Qdrant      | Производительность             | Высокая          | Хорошо           |
| Weaviate    | Функции, ориентированные на AI | Высокая          | Отлично          |

## Связанные руководства

* [Языковые модели](/guides/guides_v2-ru/yazykovye-modeli/language-models.md)
* [Компьютерное зрение](/guides/guides_v2-ru/kompyuternoe-zrenie/computer-vision.md)


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation by asking a question.

Perform an HTTP GET request on the following URL with the `ask` and `goal` query parameters:

```
GET https://docs.clore.ai/guides/guides_v2-ru/rag-i-vektornye-bazy-dannykh/rag-vectordb.md?ask=<question>&goal=<user_goal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is what the user is ultimately trying to achieve, the reason they need the answer. Sharing it helps GitBook give you a better, more relevant answer. A goal is most helpful when it describes the outcome the user wants rather than restating the question. For example, with `ask=how do I create an API token`, a goal like `automate deployments from our CI pipeline` lets GitBook tailor the answer to that use case.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.