בדף הזה מוסבר איך להתחיל להטמיע תכונות מבוססות-AI גנרטיבי באפליקציה. מפורטות בו התכונות והשילובים של Firestore שמבוססים על AI גנרטיבי.
מדריך למתחילים בנושא חיפוש וקטורי באמצעות Cloud Firestore
כדי ליצור פתרונות חדשניים מבוססי-AI לתרחישי שימוש כמו המלצות למוצרים וצ'אטבוטים, צריך לעתים קרובות לבצע חיפוש של דמיון בין וקטורים, או חיפוש וקטורי בקיצור. אתם יכולים לבצע חיפוש וקטורי בנתוני Firestore בלי להעתיק את הנתונים לפתרון אחר לחיפוש וקטורי, וכך לשמור על פשטות ויעילות תפעוליות.
תהליך העבודה העיקרי לחיפוש וקטורי ב-Cloud Firestore כולל 4 שלבים.
מידע נוסף על Vector Search בפוסט בבלוג
יצירת הטמעות וקטוריות
השלב הראשון בשימוש בחיפוש וקטורי הוא יצירת הטמעות וקטוריות. הטמעות הן ייצוגים של סוגים שונים של נתונים, כמו טקסט, תמונות וסרטונים, שמתעדים דמיון סמנטי או תחבירי בין הישויות שהם מייצגים. אפשר לחשב הטמעות באמצעות שירות כמו Vertex AI text-embeddings API.
שמירת הטמעות ב-Firestore
אחרי שיוצרים את ההטמעות, אפשר לאחסן אותן ב-Firestore באמצעות אחת מערכות ה-SDK הנתמכות. כך נראית הפעולה הזו ב-SDK של NodeJS:
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
});
יצירת אינדקס וקטורי
השלב הבא הוא ליצור אינדקס וקטורי של KNN ב-Firestore, שבו מאוחסנים הטמעות הווקטורים. במהלך גרסת הטרום-השקה, תצטרכו ליצור את האינדקס באמצעות כלי שורת הפקודה gcloud.
ביצוע חיפוש וקטורי
אחרי שמוסיפים את כל ההטמעות של הווקטורים ויוצרים את אינדקס הווקטורים, אפשר להריץ את החיפוש. לאחר מכן משתמשים בקריאה find_nearest בהפניה לאוסף כדי להעביר את הטמעת וקטור השאילתה שאיתה רוצים להשוות את ההטמעות המאוחסנות, ולציין את פונקציית המרחק שבה רוצים להשתמש.
בפוסט הזה בבלוג תוכלו לקרוא על תהליך העבודה ועל תרחישי שימוש נוספים.
פתרון: חיפוש וקטורי
סיכום: אחסון של הטמעות וקטוריות וביצוע שאילתות לגביהן.
תרחיש לדוגמה: התכונה הזו משמשת את הכלים והתכונות האחרים.
פתרון: תוסף לחיפוש וקטורי באמצעות Firebase
סיכום: אפשר להשתמש בתוסף Firebase כדי להטמיע באופן אוטומטי את מסמכי Firestore ולחפש בהם באמצעות התכונה 'חיפוש וקטורי'.
תרחיש לדוגמה: ביצוע חיפוש אוטומטי של וקטורים בפרויקטים של Firebase.
פתרון: שילובים של LangChain
סיכום: אפשר להשתמש ב-Firestore כמאגר וקטורים, ככלי לטעינת מסמכים או כמקור להיסטוריית הודעות בצ'אט ב-LangChain.
תרחיש לדוגמה: פיתוח אפליקציות AI גנרטיביות או תהליכי עבודה של יצירת טקסטים עם שליפה משופרת (RAG).
פתרון: Genkit
סיכום: Genkit הוא מסגרת קוד פתוח שעוזרת לכם לבנות, לפרוס ולנטר אפליקציות מבוססות-AI שמוכנות לייצור.
תרחיש לדוגמה: אפשר להשתמש ב-Genkit וב-Cloud Firestore כדי ליצור אפליקציות שמפיקות תוכן בהתאמה אישית, משתמשות בחיפוש סמנטי, מטפלות בקלט לא מובנה, עונות על שאלות באמצעות הנתונים העסקיים שלכם ועוד!