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!