این صفحه به شما کمک می‌کند تا پیاده‌سازی ویژگی‌های هوش مصنوعی مولد را در برنامه خود شروع کنید. این صفحه ویژگی‌ها و ادغام‌های Firestore را که شامل هوش مصنوعی مولد می‌شوند، شرح می‌دهد.
شروع سریع برای جستجوی بردار با Cloud Firestore
ایجاد راه‌حل‌های نوآورانه مبتنی بر هوش مصنوعی برای موارد استفاده مانند توصیه‌های محصول و چت‌بات‌ها اغلب نیاز به جستجوی شباهت برداری یا به اختصار جستجوی برداری دارد. شما می‌توانید جستجوی برداری را روی داده‌های Firestore بدون دردسر کپی کردن داده‌ها به یک راه‌حل جستجوی برداری دیگر انجام دهید و سادگی و کارایی عملیاتی را حفظ کنید.
گردش کار اصلی برای جستجوی برداری در Cloud Firestore شامل ۴ مرحله است.
جستجوی برداری را به طور کامل در پست وبلاگ ما درک کنید
ایجاد جاسازی‌های برداری
اولین قدم در استفاده از جستجوی برداری، تولید جاسازی‌های برداری است. جاسازی‌ها، نمایش‌هایی از انواع مختلف داده‌ها مانند متن، تصویر و ویدیو هستند که شباهت‌های معنایی یا نحوی بین موجودیت‌هایی که نمایش می‌دهند را ثبت می‌کنند. جاسازی‌ها را می‌توان با استفاده از سرویسی مانند API جاسازی‌های متنی Vertex AI محاسبه کرد.
جاسازی‌های فروشگاه در Firestore
پس از ایجاد جاسازی‌ها، می‌توانید آنها را با استفاده از یکی از SDKهای پشتیبانی‌شده در Firestore ذخیره کنید. این عملیات در SDK نودجی‌اس به این شکل است:
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 اندیس برداری ایجاد کنید
مرحله بعدی ایجاد یک شاخص برداری Firestore KNN است که در آن جاسازی‌های برداری ذخیره می‌شوند. در طول انتشار پیش‌نمایش، شما باید این شاخص را با استفاده از ابزار خط فرمان gcloud ایجاد کنید.
جستجوی برداری را انجام دهید
پس از اضافه کردن تمام جاسازی‌های برداری و ایجاد شاخص برداری، آماده اجرای جستجو هستید. سپس از فراخوانی find_nearest روی یک مرجع مجموعه برای ارسال جاسازی برداری پرس‌وجو استفاده خواهید کرد که با آن می‌توان جاسازی‌های ذخیره شده را مقایسه کرد و تابع فاصله‌ای را که می‌خواهید استفاده کنید، مشخص کنید.
یک بار دیگر، گردش کار و موارد استفاده بیشتر را در پست وبلاگ ما بررسی کنید.
راه حل: جستجوی برداری
خلاصه: جاسازی‌های برداری ذخیره و پرس‌وجو.
مورد استفاده: این ویژگی توسط ابزارها و ویژگی‌های دیگر استفاده می‌شود.
برای جستجوی بردار به راهنما مراجعه کنید
راه حل: افزونه‌ای برای جستجوی برداری با Firebase
خلاصه: از افزونه Firebase برای جاسازی و جستجوی خودکار اسناد Firestore خود با ویژگی جستجوی برداری استفاده کنید.
مورد استفاده: انجام جستجوی برداری خودکار در پروژه‌های Firebase شما.
راه حل: ادغام LangChain
خلاصه: از Firestore به عنوان یک فروشگاه بردار، بارگذاری سند یا منبع تاریخچه پیام چت برای LangChain استفاده کنید.
مورد استفاده: ساخت برنامه‌های هوش مصنوعی مولد یا گردش‌های کاری تولید افزوده بازیابی (RAG).
به راهنمای LangChain مراجعه کنید
راه حل: جنکیت
خلاصه: Genkit یک چارچوب متن‌باز است که به شما در ساخت، استقرار و نظارت بر برنامه‌های مبتنی بر هوش مصنوعی آماده برای تولید کمک می‌کند.
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 تجاری شما پاسخ می‌دهند و موارد دیگر!