我們最近發布了Redis Copilot，以幫助開發者更快地使用Redis構建應用。我們的使命是使應用程序快速運行，并簡化構建過程。為此，Redis Copilot作為您的AI助手，能夠讓您更迅速地完成與Redis相關的任務。您今天就可以在Redis Insight中開始使用它。

Redis Copilot幫助您使用Redis進行構建，以便您可以：

• 通過Copilot對Redis文檔的最新知識獲取合格的答案。
• 生成代碼片段，幫助您更快地開發基于Redis的應用程序。
• 通過生成和執行查詢來回答關于您的數據的問題。

Copilot是基于Redis for AI的能力構建的，Redis使得應用快速運行。我們知道，在構建Copilot時，它需要提供快速、準確的答案，并且可以擴展到全球使用。因此，我們使用Redis來提供用戶期望從Redis驅動的應用程序中獲得的良好用戶體驗。我們提供了許多特定于構建AI應用程序的組件，但具有更多功能。

對于希望了解如何在AI應用程序中最佳使用Redis的眾多客戶，我們將分解您可以使用Redis讓應用程序快速高效的方法。最快的向量數據庫支持RAG（Retrieval-Augmented Generation），以提供更好的答案。RAG方法由Meta在2020年提出，允許大型語言模型（LLMs）通過檢索機制融入外部知識源，從而擴展最新的信息能力。這使得語言模型能夠實時提供更好的答案。Redis作為一個實時向量數據庫，可以實時搜索數百萬個嵌入向量，以確保根據用戶提示提供并嵌入相關上下文信息。

Redis Copilot利用RAG和我們的向量數據庫從文檔中檢索相關信息，以幫助回答您的問題。根據我們的基準測試，這是最快的向量數據庫，加上RAG，我們可以使用最新版本的文檔——因此您總是可以獲得關于Redis問題的最新答案。

大型語言模型的記憶使得響應更加相關。Redis通過使用首選的數據類型促進整個對話歷史（記憶）的保留。無論是使用普通列表保存交互的順序，還是將交互存儲為向量嵌入，我們在您使用Redis Copilot時都增強了交互質量和定制化。當Redis Copilot調用一個大型語言模型時，它會添加相關記憶，以提供更好的響應。這使得在對話中的主題轉換平滑，并減少了誤解。

語義緩存節省成本并加快響應速度。從大型語言模型生成響應可能會帶來大量的計算開銷。Redis通過將輸入提示和響應存儲在緩存中，并使用向量搜索檢索它們，減少了與機器學習驅動的應用程序相關的總體費用。

此外，全文和多面搜索有助于瀏覽文檔以獲取特定結果；而Redis被用作微服務之間的消息代理，限流使得應用程序穩定可靠。

您今天就可以開始使用Copilot。只需下載Redis Insight，用云賬戶登錄，然后開始構建。如果您想構建自己的AI應用程序，我們提供各種AI資源，以幫助您快速構建AI應用程序，包括我們的RedisVL庫。您可以從我們的示例倉庫Minipilot開始，它是Redis Copilot的一個簡化版本。要與代表討論Redis如何幫助您構建AI應用程序，請預訂會議。

相關資源：

• Redis for AI
• Redis Insight
• AI資源