🌀 几何RAG引擎：高抽象信息检索
此仓库提供了一个高级实现 检索增强生成（RAG） 专注于 信息几何该项目将业务数据转换为各种统计数据，使人工智能能够通过度量和空间关系在上下文中进行导航。
🧠 数学和统计基础
与微不足道的实现不同，这个引擎探索 张量几何 e a 品种分析:
- 矢量表示 ： 将字符串转换为384维向量 （
all-MiniLM-L6-v2），创建一个量化语义的度量空间。 - 规范规范： 使用 科塞诺公制 计算向量之间的角接近，确保问题和数据之间的“对话”通过统计相关性进行过滤。
- 通过MCP的互操作性： 集成 模型上下文协议（MCP） 通过标准化本地基础设施和全球模型之间的对话 JSON-RPC.
🏗️ 生态系统架构
该项目被设计为能够与更大的结构（数据湖，Azure，集群）配对的“齿轮”：
- Docker和Docker编写： 隔离层编排以确保计算环境的一致性。
- FastAPI： 用于实时数据转换的异步接口。
- ChromaDB： 使用索引的持久向量银行 HNSW （分层导航小世界）。
- 编号： 用于处理多维数组和规则计算的基本引擎。
工程状态 ： 工业 运营 架构🚀\ 作者： Sidmar Pereira - 数据科学家，专注于信息统计和几何学。
______________________________________________________________________
📄 专业文档
要了解这个项目背后的战略愿景和数学基础，请访问我的完整个人资料：
______________________________________________________________________