Shaped
Shaped · Coding
Shaped ist eine Echtzeit-KI-Retrieval- und Ranking-Engine, mit der Unternehmen personalisierte Suche, Empfehlungen und Feeds aufbauen. Sie kümmert sich um Embeddings, Modelle und Datenaktualität und liefert dann relevante Ergebnisse in Millisekunden, mit einer Feedback-Schleife, die sich verbessert, während Nutzer interagieren. Teams fragen sie über ShapedQL, eine SQL-ähnliche Schnittstelle, oder über SDKs ab und können mit 100 Dollar Gratisguthaben starten.
Über Shaped
Was ist Shaped
Shaped ist eine vollständig verwaltete KI-Ranking-Plattform, positioniert als die einzige Vektordatenbank mit eingebauter Feedback-Schleife. Statt einen Vektorspeicher, einen Reranker, einen Feature Store und einen Haufen Verbindungscode zusammenzustückeln, verbinden Sie Ihre Daten und führen eine einzige Abfrage aus, die Ergebnisse abruft, filtert, bewertet und neu ordnet. Das ist das Versprechen. Retrieval, das aus jeder Interaktion lernt, statt statisch zu bleiben.
Das Produkt richtet sich an Teams, die mit der unordentlichen Realität von Such- und Empfehlungssystemen im Produktivbetrieb zu tun haben. Klassische RAG-Stacks bedeuten oft fünf Dienste, fünf Aufrufe und Ergebnisse, die sich nie von selbst verbessern. Shaped fasst Retrieval, Ranking und kontinuierliches Lernen in einer einzigen Pipeline zusammen. Es weiß auch, wer fragt, sodass Ergebnisse pro Nutzer oder pro Elementkontext personalisiert werden können.
Die deutlichste Einschränkung ist der Umfang. Shaped ist keine Allzweckdatenbank und keine einfache Bibliothek für ein Hobbyprojekt, und es neigt zu Teams mit echtem Traffic und echtem Ranking-Bedarf. Preisdetails werden nicht auf einer öffentlichen Tarifseite veröffentlicht. Sie müssen das Unternehmen kontaktieren oder die aktuellen Bedingungen prüfen. Außerdem gehört es jetzt zu Whatnot, das Shaped 2026 übernommen hat, sodass sich die Roadmap mit der Zeit auf schwer vorhersehbare Weise ändern kann.
Erste Schritte
- Melden Sie sich auf der Shaped-Website an und sichern Sie sich die 100 Dollar Gratisguthaben; für den Start ist keine Kreditkarte nötig.
- Verbinden Sie Ihre Datenquellen über die eingebauten Konnektoren für Tools wie Segment, Amplitude und BigQuery.
- Legen Sie fest, was Sie zurückbekommen wollen, indem Sie eine ShapedQL-Abfrage schreiben, oder nutzen Sie das Python-SDK, das TypeScript-SDK oder die MCP-Integration.
- Kombinieren Sie Retrieval und Ranking in derselben Anweisung, etwa indem Sie semantische Suche und Stichwortsuche mischen und von einem Klickmodell neu ordnen lassen.
- Setzen Sie die Abfrage in Betrieb und lassen Sie die Feedback-Schleife die Ergebnisse aktualisieren, während echte Nutzer damit interagieren.
Produktinformationen
Ein kurzer Überblick über Preise, unterstützte Plattformen und die Leistung von Shaped.
Am besten für
Die Nutzer, Aufgaben und Szenarien, für die dieses Tool am besten passt.
Nutzer
- Produkt- und Engineering-Teams
- Daten- und ML-Engineers
- Startups mit echtem Traffic
Aufgaben
- Personalisierte Suche
- Produktempfehlungen
- Agent-Retrieval
- Feed-Ranking
Szenarien
- Einen Empfehlungs-Feed frisch halten, während Ihr Katalog wächst
- RAG-Kosten senken
- Traffic-Spitzen bewältigen
Wichtigste Funktionen
ShapedQL, eine SQL-ähnliche Abfrageschnittstelle
ShapedQL lässt Sie in einer einzigen Anweisung abrufen, filtern, bewerten und neu ordnen. Sie können nach Text, Nutzer-ID oder Element-ID suchen, je nachdem, welchen Kontext Sie haben, und semantische Suche mit Stichwortsuche in derselben Abfrage mischen. Das ist der zentrale Unterschied zu einem reinen Vektorspeicher. Ein Vektorspeicher macht nur Ähnlichkeitsabgleich, ohne Geschäftslogik und ohne Personalisierung in den Ergebnissen.
Eingebaute Feedback-Schleife
Die Feedback-Schleife ist die Funktion, mit der Shaped wirbt. Jede Interaktion beeinflusst künftige Ergebnisse, sodass sich das System verbessert, während Menschen es nutzen, statt auf dem Stand einzufrieren, den die Embeddings am ersten Tag erfasst haben. Darum geht es. Das trennt eine Ranking-Engine von einem statischen Index. Und es ist der Grund, warum Teams Shaped wählen, statt ihre eigene Pipeline aus einem Vektorspeicher, einem Reranker, einem Feature Store und einem Haufen Verbindungscode zusammenzubauen, den jemand am Leben halten muss.
Personalisierte hybride Suche
Shaped mischt semantische und Stichwortsuche und ordnet dann mit Modellen neu, die auf Ihren eigenen Klickdaten trainiert sind. Weil die Engine weiß, wer fragt, können Sie Ergebnisse pro Nutzer oder pro Element anpassen, statt allen dieselbe Liste zu zeigen. Sie erreichen sie außerdem über das Python-SDK, das TypeScript-SDK oder MCP.
Einheitliche Datenschicht mit Konnektoren
Konnektoren für Segment, Amplitude, BigQuery und andere Quellen holen Batch- und Streaming-Daten in einheitliche Schemata. Ein Echtzeit-Feature-Store mit Dauerhaftigkeit nimmt diese Daten auf und wandelt sie für Training und Auslieferung um. Keine getrennten Systeme zum Anschrauben. Das bedeutet eine Grundlage für Ihre Ranking-Daten statt einer Reihe lose verbundener Dienste, die mit der Zeit auseinanderdriften.
Echtzeit-Retrieval unter 50 ms
Shaped liefert Ergebnisse in unter 50 Millisekunden. Das hält Suche und Feeds sofortig. Kontinuierliche ML-Pipelines liefern Modelle mit unter 100 ms Latenz, und die Plattform meldet über 100 Millionen Abfragen pro Tag. Geschwindigkeit ist hier keine Eitelkeitskennzahl. Sie macht personalisiertes Ranking in einem Live-Produkt nutzbar, wo eine langsame Antwort den Unterschied zwischen einem Klick und einem Abbruch ausmacht.
Vollständig verwaltete Infrastruktur und Sicherheit
Shaped Cloud ist vollständig verwaltet, mit Autoscaling, Monitoring und Wartung, die übernommen werden, und einem gemeldeten Verfügbarkeits-SLA von 99,95 %. Es ist SOC 2 Type 2 zertifiziert, mit Verschlüsselung ruhend und im Transit sowie AWS-PrivateLink-Unterstützung. Kein Infrastrukturteam nötig. Das nimmt Teams ohne eigene Plattformgruppe viel Betriebsarbeit ab.
Vor- und Nachteile
Vorteile
- Eine Abfrage deckt Retrieval, Ranking und Neuordnung ab und ersetzt einen RAG-Stack aus mehreren Diensten.
- Die eingebaute Feedback-Schleife lässt Ergebnisse durch echte Nutzerinteraktionen besser werden.
- Vollständig verwaltet mit Autoscaling, sodass kein Infrastrukturteam nötig ist.
- Ergebnisse kommen in unter 50 ms, und Suche und Feeds bleiben reaktionsschnell.
- SOC 2 Type 2 Zertifizierung und AWS-PrivateLink-Unterstützung passen zu Unternehmens-Deployments.
Nachteile
- Keine öffentliche Preisseite, Sie müssen das Unternehmen kontaktieren, um die Kosten vor einer Entscheidung einzuschätzen.
- Richtet sich an Teams mit echtem Traffic; ein kleines Projekt braucht vielleicht nicht, was Shaped bietet.
- Als verwaltete Plattform geben Sie etwas Kontrolle über den zugrunde liegenden Retrieval-Stack ab.
- Die Übernahme durch Whatnot 2026 bedeutet, dass die Produkt-Roadmap die Richtung ändern könnte.
Häufige Fragen
Shaped ist eine Echtzeit-KI-Retrieval- und Ranking-Engine, die sich mit Ihren Daten verbindet, Embeddings und Modelle verwaltet und personalisierte Such-, Empfehlungs- oder Feed-Ergebnisse über eine einzige SQL-ähnliche Abfrage zurückgibt. Ohne einen Stack getrennter Dienste.
Ähnliche Inhalte
Entdecke passende Tools, Skills und Artikel zu Shaped.
Alternativen zu Shaped
Forefront
Forefront · CodingForefront ist eine Webplattform zum Bauen mit Open-Source-KI. Sie lassen sich führende Open-Source-Sprachmodelle mit eigenen Daten feintunen, ihre Leistung bewerten und sie über eine API ausführen oder exportieren, um sie selbst zu hosten. Entwickler, die den Komfort einer geschlossenen Plattform wollen, aber darauf bestehen, ihre Modelle und Daten zu besitzen, sind hier die Zielgruppe.
Startkit
StartKit.AI · CodingStartkit ist ein Boilerplate zum Bauen von KI-SaaS-Produkten und KI-Wrappern. Man kann es sich als KI-Startup-Boilerplate vorstellen, bei dem die langweiligen Teile schon verdrahtet sind: Authentifizierung, Zahlungen über Stripe und Lemon Squeezy, Nutzungslimits, transaktionale E-Mail und ein KI-API-Starter-Kit, das mit OpenAI, Anthropic, Groq oder Llama spricht. Man klont das Repository, setzt seinen Preis und kümmert sich um den Teil des Produkts, für den Menschen wirklich bezahlen. Es basiert auf Next.js über React und Tailwind, deshalb fühlt sich ein Großteil des Boilerplate-Codes schon vertraut an.
Testim
Tricentis · CodingTestim ist eine KI-gestützte Plattform für Testautomatisierung, mit der man End-to-End-Tests für Web-, Mobile- und Salesforce-Anwendungen baut und ausführt. Sie setzt auf maschinelles Lernen, um Tests stabil zu halten, wenn sich eine Oberfläche ändert, sodass Teams weniger Zeit mit der Reparatur kaputter Selektoren verbringen. Nicht schlecht für ein Tool für automatisierte Tests, das Sie heute schon nutzen können. Sie erstellen Tests, indem Sie Aktionen im Browser aufzeichnen, und fügen danach JavaScript hinzu, wenn Sie mehr Kontrolle brauchen. Für ein beschäftigtes QA-Team eine solide Wahl.