Trang này giúp bạn bắt đầu triển khai các tính năng AI tạo sinh trong ứng dụng của mình. Trang này mô tả các tính năng và hoạt động tích hợp cho Firestore có liên quan đến AI tạo sinh.
Hướng dẫn nhanh về tính năng tìm kiếm vectơ bằng Cloud Firestore
Việc tạo ra các giải pháp sáng tạo dựa trên AI cho các trường hợp sử dụng như đề xuất sản phẩm và chatbot thường đòi hỏi phải có tính năng tìm kiếm tương tự theo vectơ, hay tìm kiếm vectơ cho ngắn gọn. Bạn có thể thực hiện tìm kiếm vectơ trên dữ liệu Firestore mà không gặp rắc rối khi sao chép dữ liệu sang một giải pháp tìm kiếm vectơ khác, duy trì sự đơn giản và hiệu quả trong hoạt động.
Quy trình làm việc cốt lõi để tìm kiếm vectơ trong Cloud Firestore bao gồm 4 bước.
Tìm hiểu đầy đủ về tính năng tìm kiếm vectơ trong bài đăng trên blog của chúng tôi
Tạo vectơ nhúng
Bước đầu tiên để sử dụng tính năng tìm kiếm vectơ là tạo các vectơ nhúng. Vectơ nhúng là biểu diễn của nhiều loại dữ liệu như văn bản, hình ảnh và video, giúp nắm bắt sự tương đồng về ngữ nghĩa hoặc cú pháp giữa các thực thể mà chúng biểu thị. Bạn có thể tính toán các vectơ nhúng bằng một dịch vụ, chẳng hạn như API vectơ nhúng văn bản Vertex AI.
Lưu trữ các mục nhúng trong Firestore
Sau khi tạo các mục nhúng, bạn có thể lưu trữ chúng trong Firestore bằng một trong các SDK được hỗ trợ. Sau đây là giao diện của thao tác đó trong NodeJS SDK:
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
});
Tạo chỉ mục vectơ
Bước tiếp theo là tạo chỉ mục vectơ KNN Firestore nơi lưu trữ các vectơ nhúng. Trong bản phát hành xem trước, bạn sẽ cần tạo chỉ mục bằng công cụ dòng lệnh gcloud.
Thực hiện tìm kiếm vectơ
Sau khi thêm tất cả các mục nhúng vectơ và tạo chỉ mục vectơ, bạn đã sẵn sàng chạy tìm kiếm. Sau đó, bạn sẽ sử dụng lệnh gọi find_nearest trên một tham chiếu tập hợp để truyền vectơ nhúng truy vấn mà bạn muốn so sánh các vectơ nhúng đã lưu trữ và chỉ định hàm khoảng cách mà bạn muốn sử dụng.
Một lần nữa, hãy khám phá quy trình và các trường hợp sử dụng khác trong bài đăng trên blog của chúng tôi.
Giải pháp: tìm kiếm vectơ
Tóm tắt: Lưu trữ và truy vấn các vectơ nhúng.
Trường hợp sử dụng: Các công cụ và tính năng khác sử dụng tính năng này.
Xem hướng dẫn về tính năng tìm kiếm vectơ
Giải pháp: tiện ích cho tính năng tìm kiếm vectơ bằng Firebase
Tóm tắt: Sử dụng tiện ích Firebase để tự động nhúng và truy vấn các tài liệu Firestore bằng tính năng tìm kiếm vectơ.
Trường hợp sử dụng: Thực hiện tìm kiếm vectơ tự động trong các dự án Firebase của bạn.
Xem nội dung mô tả của tiện ích
Giải pháp: Tích hợp LangChain
Tóm tắt: Sử dụng Firestore làm kho lưu trữ vectơ, trình tải tài liệu hoặc nguồn nhật ký tin nhắn trò chuyện cho LangChain.
Trường hợp sử dụng: Xây dựng các ứng dụng AI tạo sinh hoặc quy trình công việc tạo sinh tăng cường khả năng truy xuất (RAG).
Giải pháp: Genkit
Tóm tắt: Genkit là một khung nguồn mở giúp bạn tạo, triển khai và giám sát các ứng dụng dựa trên AI sẵn sàng cho hoạt động sản xuất.
Trường hợp sử dụng: Sử dụng Genkit và Cloud Firestore để tạo các ứng dụng tạo nội dung tuỳ chỉnh, sử dụng tính năng tìm kiếm ngữ nghĩa, xử lý dữ liệu đầu vào không có cấu trúc, trả lời câu hỏi bằng dữ liệu doanh nghiệp của bạn và nhiều việc khác!