Esta é a pesquisa por similaridade de vetores do Firebase Data Connect, do Firebase implementação de pesquisa semântica que se integra Vertex AI do Google.
No centro desse recurso estão os embeddings vetoriais, que são matrizes de objetos
números de ponto que representam o significado semântico de texto ou mídia. Ao executar uma
mais próxima usando um embedding de vetor de entrada, vai encontrar
conteúdo semanticamente parecido. O Data Connect usa o PostgreSQL
Extensão pgvector para esta capacidade.
Essa pesquisa semântica eficiente pode impulsionar casos de uso como mecanismos de recomendação e mecanismos de pesquisa. É também um componente essencial no aumento da recuperação geração. nos fluxos de IA generativa. A documentação da Vertex AI é um ótimo lugar para Saiba mais.
Confie no suporte integrado do Data Connect para gerar vetores automaticamente usando a API Embeddings da Vertex AI. ou usar essa API para gerá-los manualmente.
Este é um trecho da documentação do Data Connect. Quando você inscreva-se na versão de pré-lançamento do Data Connect, você terá acesso total a este guia, que aborda:
- Configuração para realizar a pesquisa de vetores
- Como criar o esquema Data Connect para pesquisa vetorial
- Como gerar e recuperar embeddings de vetores
- Como realizar pesquisas vetoriais
- Como usar embeddings personalizados
- Como implantar a pesquisa de vetor na produção
- Referência de sintaxe para diretivas de pesquisa vetorial.