ShapedQLとは？

ShapedQLは、関連性に特化して構築されたSQLエンジンです。シンプルなSQLクエリを、ユーザーのリアルタイム行動に基づいて結果を取得、フィルタリング、スコアリング、並べ替えを行うリアルタイムランキングパイプラインにコンパイルします。Pinecone、Redis、Pythonスクリプトを組み合わせる代わりに、わずか30行のSQLで「おすすめ」フィード、検索、RAGメモリを実現できます。ネイティブなマルチモーダル埋め込みと自動化されたMLOpsにより、数千行のインフラを置き換え、単なるドキュメント検索ではなく、リアルタイムの意思決定を構築するのに役立ちます。

対象ユーザー

• 検索エンジニア — キーワードマッチングを超えて、セマンティックで行動を認識する検索を構築する必要があり、個別のベクトルデータベースを管理したくない方。
• レコメンデーションシステム構築者 — 協調フィルタリング、コンテンツベースフィルタリング、再ランキングの複雑なパイプラインを、単一のSQLベースのワークフローに置き換えたい方。
• AIアプリケーション開発者 — RAGシステムやパーソナライズドフィードを構築しており、手動でのモデル再トレーニングなしにユーザーインタラクションに適応するリアルタイムランキングが必要な方。

主な機能

SQLベースの関連性パイプライン

取得、フィルタリング、スコアリング、再順序付けというランキングフロー全体を、1つのクエリで定義するためにおなじみのSQLを記述します。ShapedQLはそのSQLを、リアルタイムで実行される本番環境対応のパイプラインにコンパイルし、個別のインフラコンポーネントを不要にします。

ネイティブなマルチモーダル埋め込み

エンジンは、タイトルと説明のテキスト埋め込み、ビジュアルコンテンツの画像埋め込み、ユーザーとアイテムのインタラクションの協調埋め込み、キャストとクルーのパーソネル埋め込みをサポートします。これらを1つのクエリで組み合わせて、セマンティック、ビジュアル、行動のシグナルをブレンドできます。

自動化されたMLOps

ShapedQLはモデルのデプロイ、バージョン管理、モニタリングを自動的に処理します。デモモデルにはLightGBMでトレーニングされたクリックスルー率予測器が含まれており、スコアリングモデルが手動でのオーケストレーションなしにSQLパイプラインに直接統合される方法を示しています。

デモデータセット付きライブプレイグラウンド

ShapedQL Playgroundでは、IMDbデータで拡張されたMovielensデータセットに対してクエリをテストできます。エージェント検索、検索とフィード、レコメンデーションなどのユースケースを選択し、保存されたクエリを選んだり、独自のクエリを記述して、結果を即座に確認できます。

際立っている点

「数千行のインフラを30行のSQLに置き換える」

これが核となる約束です。ShapedQLは、通常はベクトルデータベース、キャッシュ層、カスタムスコアリングスクリプトのスタックを必要とするものを、単一のSQLクエリに凝縮します。プレイグラウンドはこれを具体的に示しています。同じエンジン、同じSQL構文を使用して、検索、フィード、レコメンデーションなどのユースケースを切り替えることができます。テキスト、画像、協調シグナル用の組み込み埋め込みにより、個別の埋め込みパイプラインを管理したり、それらを同期させ続けることを心配する必要はありません。

試す価値があるのは…

ベクトル検索、キャッシュ、ランキングロジックを接着する脆弱なインフラの維持にうんざりしていて、関連性ロジックをSQLで表現したい場合。ユーザーの行動にリアルタイムで適応する必要があるパーソナライズドフィード、セマンティック検索、RAGシステムを構築している場合、ShapedQLは根本的にシンプルなアプローチを提供します。プレイグラウンドから始めるのが良いでしょう。ユースケースを選び、クエリを実行して、30行のSQLが専任チームと複数のサービスを必要としていたものをどのように置き換えるかを確認してください。