با هوش مصنوعی مولد شروع کنید

این صفحه به شما کمک می کند تا با پیاده سازی ویژگی های هوش مصنوعی مولد در برنامه خود شروع کنید. ویژگی‌ها و ادغام‌های Firestore که شامل هوش مصنوعی مولد می‌شوند را شرح می‌دهد.

شروع سریع برای جستجوی برداری با Cloud Firestore

ایجاد راه‌حل‌های خلاقانه مبتنی بر هوش مصنوعی برای موارد استفاده مانند توصیه‌های محصول و ربات‌های گفتگو اغلب به جستجوی شباهت برداری یا به اختصار جستجوی برداری نیاز دارد. می‌توانید جستجوی برداری را روی داده‌های Firestore بدون دردسر کپی کردن داده‌ها در راه‌حل جستجوی برداری دیگر انجام دهید، و سادگی و کارایی عملیاتی را حفظ کنید.

گردش کار اصلی برای جستجوی برداری در Cloud Firestore از 4 مرحله تشکیل شده است.

جستجوی برداری را به طور کامل در پست وبلاگ ما درک کنید

تعبیه‌های برداری را ایجاد کنید

اولین قدم در استفاده از جستجوی برداری، ایجاد جاسازی های برداری است. تعبیه‌ها نمایش‌هایی از انواع مختلف داده‌ها مانند متن، تصاویر و ویدئو هستند که شباهت‌های معنایی یا نحوی بین موجوداتی را که نشان می‌دهند، نشان می‌دهند. تعبیه‌ها را می‌توان با استفاده از یک سرویس، مانند Vertex AI text-embeddings API محاسبه کرد.

تعبیه‌های فروشگاه در Firestore

پس از ایجاد جاسازی‌ها، می‌توانید با استفاده از یکی از SDK‌های پشتیبانی‌شده، آنها را در Firestore ذخیره کنید. در اینجا این عملیات در NodeJS SDK به نظر می رسد:

const db = new Firestore();
let collectionRef = db.collection("beans");
await collectionRef.add({
  name: "Kahawa coffee beans",
  type: "arabica",
  description: "Information about the Kahawa coffee beans.",
  embedding_field: FieldValue.vector([0.1, 0.3, ..., 0.2]), // a vector with 768 dimensions
});

یک نمایه برداری ایجاد کنید

گام بعدی ایجاد یک نمایه برداری Firestore KNN است که در آن جاسازی های برداری ذخیره می شود. در طول انتشار پیش‌نمایش، باید ایندکس را با استفاده از ابزار خط فرمان gcloud ایجاد کنید.

هنگامی که همه جاسازی های برداری را اضافه کردید و نمایه برداری را ایجاد کردید، آماده اجرای جستجو هستید. سپس از فراخوانی find_nearest در یک مرجع مجموعه استفاده خواهید کرد تا جاسازی بردار پرس و جو را ارسال کنید تا جاسازی های ذخیره شده را با آن مقایسه کنید و تابع فاصله را که می خواهید استفاده کنید مشخص کنید.

یک بار دیگر، گردش کار و موارد استفاده بیشتر را در پست وبلاگ ما بررسی کنید.

خلاصه: جاسازی های برداری ذخیره و پرس و جو.

Use case: این ویژگی توسط سایر ابزارها و ویژگی ها استفاده می شود.

راهنمای جستجوی برداری را ببینید

راه حل: پسوند برای جستجوی برداری با Firebase

خلاصه: از پسوند Firebase برای جاسازی خودکار اسناد Firestore و جستجو با ویژگی جستجوی برداری استفاده کنید.

Use case: جستجوی خودکار خودکار را در پروژه های Firebase خود انجام دهید.

توضیحات افزونه را مرور کنید

راه حل: ادغام LangChain

خلاصه: از Firestore به‌عنوان ذخیره‌سازی برداری، بارکننده سند یا منبع تاریخچه پیام چت برای LangChain استفاده کنید.

مورد استفاده: ساخت برنامه‌های هوش مصنوعی مولد یا جریان‌های کاری تولید تقویت‌شده با بازیابی (RAG).

راهنمای LangChain را ببینید

راه حل: Genkit

خلاصه: Firebase Genkit یک چارچوب متن باز است که به شما کمک می‌کند برنامه‌های مجهز به هوش مصنوعی آماده تولید، بسازید، و نظارت کنید.

مورد استفاده: از Genkit و Cloud Firestore برای ایجاد برنامه‌هایی استفاده کنید که محتوای سفارشی تولید می‌کنند، از جستجوی معنایی استفاده می‌کنند، ورودی‌های بدون ساختار را مدیریت می‌کنند، به سؤالات با داده‌های کسب‌وکارتان پاسخ می‌دهند و خیلی چیزهای دیگر!

به مستندات Firebase Genkit مراجعه کنید