بدء استخدام الذكاء الاصطناعي التوليدي

تساعدك هذه الصفحة في بدء تنفيذ ميزات الذكاء الاصطناعي التوليدي في التطبيق. يصف المستند الميزات وعمليات الدمج في Firestore التي تتضمن الذكاء الاصطناعي التوليدي

البدء السريع للبحث عن المتجه باستخدام Cloud Firestore

إنشاء حلول مبتكرة مستندة إلى الذكاء الاصطناعي لحالات الاستخدام، مثل استخدام منتجات والاقتراحات وبرامج الدردشة المبرمَجة غالبًا ما تتطلب بحث تشابه المتجه أو المتجه وابحث عن القصيرة. يمكنك إجراء بحث المتجه على بيانات Firestore بدون صعوبة نسخ البيانات إلى حل بحث متجه آخر، مع الحفاظ البساطة التشغيلية والكفاءة.

يتكون سير العمل الأساسي للبحث المتجه في Cloud Firestore من 4 خطوات.

فهم البحث المتجه بالكامل في مشاركة المدونة

إنشاء تضمينات المتّجهات

تتمثل الخطوة الأولى في استخدام بحث المتجه في إنشاء تضمينات متجهات. التضمينات هي تمثيل لأنواع مختلفة من البيانات مثل النصوص والصور وفيديو يعرض أوجه التشابه الدلالية أو النحوية بين الكيانات التي يمثلونها. يمكن حساب التضمينات باستخدام خدمة، مثل واجهة برمجة تطبيقات Vertex AI text-embeddings

متجر تضمينات في Firestore

بعد إنشاء التضمينات، يمكنك تخزينها في Firestore باستخدام أحد حِزم تطوير البرامج (SDK) المتوافقة. إليك ما تبدو عليه هذه العملية في حزمة تطوير البرامج (SDK) الخاصة بـ 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 متجه

الخطوة التالية هي إنشاء فهرس متجه KNN في Firestore حيث يتم تخزين التضمينات. أثناء إصدار المعاينة، عليك إنشاء باستخدام أداة سطر الأوامر gcloud.

بمجرد إضافة جميع تضمينات المتجه وإنشاء فهرس المتجه، يمكنك جاهزة لإجراء البحث. ستستخدم بعد ذلك استدعاء "find_nearest" في مرجع مجموعة لتمرير تضمين متجه الاستعلام الذي تريد مقارنتها التضمينات المخزنة وتحديد دالة المسافة التي تريد استخدامها.

يمكنك الاطّلاع مرة أخرى على سير العمل والمزيد من حالات الاستخدام من خلال مشاركة المدونة الخاصة بنا.

ملخّص: تخزين عمليات تضمين متجه طلب البحث وطلبها.

حالة الاستخدام: يتم استخدام هذه الميزة بواسطة الأدوات والميزات الأخرى.

الاطّلاع على دليل البحث عن المتجه

الحل: إضافة للبحث المتجه باستخدام Firebase

الملخّص: استخدِم إضافة Firebase لتضمين مستندات متجر Firestore باستخدام ميزة البحث المتجه

حالة الاستخدام: أجرِ بحث المتجه التلقائي في مشاريع Firebase.

مراجعة وصف الإضافة

الحل: عمليات دمج LangChain

ملخّص: استخدام Firestore كمتجر متّجِهات أو أداة تحميل مستندات أو رسالة محادثة مصدرها التاريخ في LangChain.

حالة الاستخدام: إنشاء تطبيقات للذكاء الاصطناعي التوليدي أو إنشاء مستند استرجاعي (RAG).

الاطّلاع على دليل LangChain

الحل: Genkit

ملخّص: Firebase Genkit هو إطار عمل مفتوح المصدر يساعدك على إنشاء نشر تطبيقات جاهزة تستند إلى الذكاء الاصطناعي ومراقبتها

حالة الاستخدام: استخدام Genkit وCloud Firestore لإنشاء تطبيقات محتوى مخصص، استخدام البحث الدلالي، التعامل مع المدخلات غير المنظمة، الإجابة الأسئلة ببيانات العمل، وأكثر من ذلك بكثير!

الاطّلاع على مستندات Firebase Genkit