بدء استخدام الذكاء الاصطناعي التوليدي

تساعدك هذه الصفحة على بدء تنفيذ ميزات الذكاء الاصطناعي التوليدي في تطبيقك. وتوضّح الميزات وعمليات الدمج في Firestore التي تتضمن الذكاء الاصطناعي التوليدي.

بدء سريع للبحث باستخدام رسومات متحركة باستخدام Cloud Firestore

إنّ إنشاء حلول مبتكرة مستندة إلى الذكاء الاصطناعي لحالات الاستخدام، مثل اقتراحات المنتجات ومحادثات الدردشة، غالبًا ما يتطلّب البحث عن التشابه بين المتجهات، أو البحث عن المتجهات اختصارًا. يمكنك إجراء بحث متجه على بيانات Firestore بدون مشقة نسخ البيانات إلى حلّ آخر للبحث المتجه، مع الحفاظ على بساطة التشغيل وفعاليته.

يتألّف سير العمل الأساسي للبحث عن المتجهات في Cloud Firestore من 4 خطوات.

فهم البحث باستخدام الرسومات البيانية بالكامل في مشاركة المدوّنة

إنشاء تضمينات متجهات

الخطوة الأولى في استخدام ميزة "البحث بالاستناد إلى المتجهات" هي إنشاء عمليات إدراج المتجهات. عمليات التضمين هي تمثيلات لأنواع مختلفة من البيانات، مثل النصوص والصور والفيديوهات التي ترصد التشابهات الدلالية أو النحوية بين العناصر التي تمثّلها. يمكن احتساب عمليات التضمين باستخدام خدمة، مثل واجهة برمجة التطبيقات Vertex AI text-embeddings API.

تخزين العناصر المضمّنة في Firestore

بعد إنشاء البيانات المضمّنة، يمكنك تخزينها في Firestore باستخدام إحدى حِزم تطوير البرامج (SDK) المتوافقة. في ما يلي شكل هذه العملية في حزمة SDK لـ 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
});

إنشاء فهرس متّجه

الخطوة التالية هي إنشاء فهرس متجه KNN في Firestore حيث يتم تخزين مقتطفات المتجهات. خلال إصدار المعاينة، عليك إنشاء ملف الكلمات المفتاحية باستخدام أداة سطر الأوامر gcloud.

بعد إضافة جميع عمليات إدراج المتجهات وإنشاء فهرس المتجهات، ستكون مستعدًا لإجراء عملية البحث. ستستخدم بعد ذلك طلب find_nearest في إشارة المجموعة لتمرير إدراج متجه الطلب الذي سيتم من خلاله مقارنة الإدراجات المخزّنة وتحديد دالة المسافة التي تريد استخدامها.

يمكنك مرة أخرى الاطّلاع على سير العمل ومزيد من حالات الاستخدام في مشاركة المدونة.

الملخّص: تخزين عمليات إدراج المتجهات وطلبات البحث عنها

حالة الاستخدام: تستخدم الأدوات والميزات الأخرى هذه الميزة.

الاطّلاع على دليل البحث باستخدام الرسومات المتجهّة

الحلّ: إضافة ميزة البحث باستخدام المتجهات باستخدام Firebase

الملخّص: استخدِم إضافة Firebase لتضمين مستندات Firestore وإجراء طلبات بحث عنها تلقائيًا باستخدام ميزة البحث بالاستناد إلى المتجهات.

حالة الاستخدام: يمكنك إجراء بحث تلقائي عن المتجهات في مشاريعك على Firebase.

مراجعة وصف الإضافة

الحل: عمليات دمج LangChain

الملخّص: استخدِم Firestore كمتجر ملفات رسومات متجهّة أو أداة تحميل مستندات أو مصدر لسجلّ رسائل المحادثة في LangChain.

حالة الاستخدام: إنشاء تطبيقات الذكاء الاصطناعي التوليدي أو عمليات سير عمل الإنشاء المعزّز بالاسترداد (RAG).

الاطّلاع على دليل LangChain

الحل: Genkit

الملخّص: Firebase Genkit هو إطار عمل مفتوح المصدر يساعدك في إنشاء تطبيقات مستندة إلى الذكاء الاصطناعي و نشرها وتتبُّعها عندما تكون جاهزة للنشر.

حالة الاستخدام: يمكنك استخدام Genkit وCloud Firestore لإنشاء تطبيقات تنشئ محتوى مخصّصًا، وتستخدم البحث الدلالي، وتعالج الإدخالات غير المنظَّمة، وتجيب عن الأسئلة باستخدام بيانات نشاطك التجاري، وغير ذلك الكثير.

الاطّلاع على مستندات Firebase Genkit