VectorWave - एक ऐसा फ्रेमवर्क जो सिर्फ एक decorator लाइन से Python फ़ंक्शन के input/output को Vector DB में अपने-आप स्टोर/कैश करता है

नमस्ते, मैं VectorWave नाम का एक open source framework विकसित करके परिचय करा रहा हूँ, जो Python फ़ंक्शन/मेथड के execution डेटा को अपने-आप vector database (Weaviate) में स्टोर और मैनेज करता है.

यह प्रोजेक्ट उस अनुभव से शुरू हुआ, जब RAG सिस्टम बनाते समय या LLM application विकसित करते समय data collection, embedding और logging pipeline बनाना काफ़ी झंझट भरा लगा।

Github: https://github.com/cozymori/vectorwave

VectorWave क्या है?
VectorWave @vectorize decorator का उपयोग करके बिना किसी जटिल configuration के फ़ंक्शन के source code, docstring, execution के समय input values/return values आदि को अपने-आप embed करके Vector DB में स्टोर करता है. इससे "कोड execution की semantic search" और "semantic caching" संभव होती है.

मुख्य फीचर
Seamless Auto-Vectorization:

सिर्फ @vectorize decorator जोड़ने पर फ़ंक्शन का metadata (static) और execution log (dynamic) अपने-आप Vector DB में स्टोर हो जाते हैं.

Semantic Caching (लागत में कमी):

LLM call जैसे महंगे फ़ंक्शन के मामले में, input values की semantic similarity के आधार पर cached result लौटाया जाता है, जिससे API लागत और latency काफ़ी कम हो जाती है.

AI-आधारित automatic documentation:

फ़ंक्शन की search_description आदि को LLM अपने-आप generate करता है, जिससे search quality बेहतर होती है और developer पर documentation का बोझ कम होता है.

Distributed Tracing:

@trace_span के साथ मिलाकर जटिल workflow को एक trace_id में बाँधा जा सकता है, जिससे execution flow को visualize और monitor किया जा सकता है.

Auto-Injection:

मौजूदा business logic code को बदले बिना बाहर से feature inject करके monitoring/logging लागू की जा सकती है.

Docs: https://cozymori.github.io/vectorwave-docs/
ऊपर दिए गए docs में आप विस्तृत जानकारी देख सकते हैं।

कृपया भरपूर feedback और contribution दें, और अगर पसंद आए तो एक star ज़रूर दें!