Confluent

作为开源的实时数据流平台和消息代理，Kafka 可以实现高效应用数据发布（写入）和订阅（读取）。开发人员可以利用 Kafka 构建可扩展且具有容错性的数据流水线，以提升 RAG 应用的性能。Confluent 专注于基于 Kafka 构建商业解决方案，旨在简化事件驱动应用和流式数据架构的开发和使用。

生成式 AI（包括 LLM、扩散模型、GAN 等）在各个行业和领域都得到广泛应用。在应用层面上，通过 RAG 将领域数据注入这些模型的做法变得越来越常见。CVP 框架（包括 ChatGPT、向量数据库和提示词）是一个常用的 RAG 实例，它利用向量数据库进行语义搜索。

通过集成 Confluent，您可以利用 Zilliz Cloud（托管版 Milvus）和 Confluent Kafka 实现数据的实时插入、解析和处理，从而减少 LLM 中的幻觉。利用最新数据和上下文信息，增强用户体验。

Zilliz x Confluent 适用于多场景解决方案，如聊天机器人、实时情感分析和客户支持。

除了 GenAI 之外，您还可以利用本集成方案构建实时推荐系统、检测异常，以及开发其他各类型的实时 AI 应用。

原理揭秘

1. 消息生产者将数据实时写入 Confluent。数据解析完成后回流至 Confluent。
2. Milvus 消费者从 Confluent 读取和处理实时数据。
3. 实时数据通过 Embedding 模型转换为 Embedding 向量。
4. Embedding 向量存储在 Zilliz Cloud 向量数据库中。
5. 用户将问题发送给聊天机器人（或 RAG 应用）。
6. 用户的问题被转化为查询向量。
7. Zilliz Cloud 通过相似性搜索找到与问题最相关的前 K 个结果。
8. 将 Zilliz Cloud 中检索到的结果附加到提示词中，并发送给 LLM。
9. LLM 生成答案并通过聊天机器人发送给用户。