本頁面說明如何開始在以下項目中導入生成式 AI 功能： 應用程式。內容說明 Google Cloud 適用的 Firestore 功能和整合項目 生成式 AI
使用 Cloud Firestore 進行向量搜尋的快速入門導覽課程
針對產品等用途，打造創新的 AI 技術輔助解決方案 推薦和聊天機器人通常需要向量相似度搜尋 搜尋短語即使沒有 將資料複製到其他向量搜尋解決方案 作業簡化與效率
Cloud Firestore 中的向量搜尋核心工作流程包含 4 個步驟。
產生 向量嵌入
運用向量搜尋的第一步，就是產生向量嵌入。 嵌入是文字、圖像、 以及擷取影片中的語意或語法相似處 代表不同環境的 Pod您可以透過服務 (例如 Vertex AI text-embeddings API。
商店 Firestore 中的嵌入
產生嵌入後，您就能使用 支援的 SDK 版本以下是在 NodeJS SDK 中作業的畫面：
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
});
建立 向量索引
下一步是建立用於向量的 Firestore KNN 向量索引
包括儲存嵌入在預覽版本中，您需要建立
使用 gcloud 指令列工具建立索引
表演 向量搜尋
新增所有向量嵌入並建立向量索引後
準備執行搜尋然後，您可以在 find_nearest 上使用
集合參照，傳遞要用來比較的查詢向量嵌入
以及指定要使用的距離函式
請再次閱讀我們的網誌文章，瞭解工作流程和更多用途。
解決方案：向量搜尋
摘要：儲存及查詢向量嵌入。
用途：其他工具和功能也可使用這項功能。
解決方案：使用 Firebase 執行向量搜尋的擴充功能
摘要：使用 Firebase 擴充功能自動嵌入及查詢 具備向量搜尋功能的 Firestore 文件。
用途：在 Firebase 專案中執行自動向量搜尋。
解決方案：LangChain 整合
摘要：使用 Firestore 做為向量儲存庫、文件載入器或即時通訊訊息 LangChain 的記錄來源。
用途：建構生成式 AI 應用程式或檢索世代 (RAG) 工作流程
解決方案：Genkit
摘要：Firebase Genkit 是一種開放原始碼架構 部署及監控可用於實際工作環境的 AI 技術輔助應用程式
用途：使用 Genkit 和 Cloud Firestore 建立要產生的應用程式 自訂內容, 使用語意搜尋, 處理非結構化輸入內容 提出問題，以及處理更多其他資料！