Retool最初是一个用于构建业务线应用的平台，但在过去几年中，这家资金充裕的初创公司还增加了一系列后端服务，包括最近推出的工作流自动化服务。如今，它正在推出一系列新工具，帮助用户构建基于人工智能的应用，其中包括托管向量存储库，使用户能够更轻松地为大型语言模型（LLM）添加上下文。
正如 Retool 首席执行官兼联合创始人 David Hsu 对我所说，他的许多客户已经在探索如何在他们的应用中使用 AI，但对于大多数企业而言，使用这些工具的价值在于能够对其内部数据进行推理。他们可以选择将数据复制并粘贴到查询中以添加上下文，但这种方法有限且很快会变得相当昂贵。虽然很少有企业有资源训练自己的模型，但他们很可能可以用适量的数据对现有模型进行微调。然而，Hsu 认为，用一家公司的全部生产数据来微调模型并不可行——而且这些数据很快就会过时。
目前，将自定义数据引入 LLM 的最先进技术是将数据向量化，以便这些模型能够轻松访问。这就是为什么你会看到诸如 Google, Microsoft, DataStax 和 MongoDB 都在最近几个月推出了它们的向量搜索服务。
在许看来，这些产品之间的差异并不大——它们的功能都非常相似。“我认为问题实际上不在于你选择哪个向量数据库——无论是MongoDB还是其他什么。相反，问题在于你如何实际将数据导入这个向量化数据库，以及如何保持其更新。例如，你如何将其与Salesforce同步，这样你就可以向你的大型语言模型提问，并让它从Salesforce中提取最新数据。”他认为，这正是Retool的客户在为他们的业务用例构建定制人工智能应用时面临的最大障碍，因此该公司今天推出Retool Vectors也就不足为奇了，这是一个托管向量存储服务（核心使用Postgres的开源pgvector扩展）。
据 Hsu 介绍，Retool 内部曾测试使用 Intercom 的 GPT 驱动 AI 聊天机器人来处理一些客户服务交互。该聊天机器人已经拥有大量业务上下文，能够关闭约 20% 的工单。但是，当使用连接到包含 Retool 所有 Salesforce 数据、支持数据等内容的 LLM 的向量数据库时，其定制机器人的关闭率上升至近 60%。该公司还将其销售通话的所有转录内容进行了向量化处理，并在其上部署 OpenAI 的 API 以进行查询。
这里的一个巧妙功能是，Retool 随后还使用其最近推出的 Workflow 服务来保持企业的生产数据库与向量数据库之间的同步，确保模型能够访问最新的信息。
除了向量存储服务外，Retool 还为文本摘要和分类、图像生成等常见用例推出了一系列基于 AI 的操作。Retool 与 OpenAI 合作开发了这些功能，其中包括对 Retool Workflows 的集成。
“我们非常兴奋能与Retool合作，帮助更多公司利用生成式人工智能赋能其业务，”OpenAI首席运营官Brad Lightcap表示。“从减少手动工作到分享更多知识，再到增加新的面向客户的功能，我们相信像Retool这样的工具可以帮助企业更快地将人工智能投入生产，同时不会牺牲安全性。”
Retool 以 32 亿美元估值融资 4500 万美元，旨在让构建定制软件像购买现成产品一样简单
Retool 推出 Workflows，突破前端限制