איך מתחילים להשתמש ב-AI גנרטיבי

בדף הזה מוסבר איך להתחיל להטמיע תכונות מבוססות-AI גנרטיבי באפליקציה. הוא כולל תיאור של התכונות והשילובים של Firestore שכוללים AI גנרטיבי.

מדריך למתחילים בנושא חיפוש וקטורים באמצעות Cloud Firestore

כדי ליצור פתרונות חדשניים מבוססי-AI לתרחישי שימוש כמו המלצות למוצרים וצ'אטבוטים, צריך לעתים קרובות לבצע חיפוש דמיון וקטורי, או חיפוש וקטורי בקיצור. אתם יכולים לבצע חיפוש וקטורי בנתונים של Firestore בלי להעתיק את הנתונים לפתרון אחר לחיפוש וקטורי, וכך לשמור על פשטות ויעילות תפעוליות.

תהליך העבודה העיקרי לחיפוש וקטורי ב-Cloud Firestore כולל 4 שלבים.

הסבר מלא על חיפוש וקטורי בפוסט בבלוג שלנו

יצירת הטמעות וקטורים

השלב הראשון בשימוש בחיפוש וקטורי הוא יצירת הטמעות וקטוריות. הטמעה היא ייצוג של סוגים שונים של נתונים כמו טקסט, תמונות וסרטונים, שמתעד דמיון סמנטי או תחבירי בין הישויות שהם מייצגים. אפשר לחשב הטמעות באמצעות שירות כמו Vertex AI text-embeddings API.

שמירת הטמעות ב-Firestore

אחרי שיוצרים את ההטמעות, אפשר לאחסן אותן ב-Firestore באמצעות אחד מ-SDK הנתמכים. כך נראית הפעולה הזו ב-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
});

יצירת אינדקס וקטורי

השלב הבא הוא ליצור אינדקס וקטורי של KNN ב-Firestore, שבו מאוחסנים הטמעות הווקטורים. במהלך גרסת הטרום-השקה, תצטרכו ליצור את האינדקס באמצעות כלי שורת הפקודה gcloud.

אחרי שמוסיפים את כל ההטמעות של הווקטורים ויוצרים את אינדקס הווקטורים, אפשר להריץ את החיפוש. לאחר מכן משתמשים בקריאה find_nearest בהפניה לאוסף כדי להעביר את הטמעת וקטור השאילתה שאיתה רוצים להשוות את ההטמעות המאוחסנות, ולציין את פונקציית המרחק שרוצים להשתמש בה.

בפוסט בבלוג שלנו תוכלו למצוא תרחישי שימוש נוספים ומידע על תהליך העבודה.

סיכום: אחסון של הטמעות וקטוריות וביצוע שאילתות לגביהן.

תרחיש לדוגמה: התכונה הזו נמצאת בשימוש בכלים ובתכונות אחרים.

מדריך לחיפוש וקטורי

פתרון: שילובים של LangChain

סיכום: אפשר להשתמש ב-Firestore כמאגר וקטורים, כטוען מסמכים או כמקור של היסטוריית הודעות בצ'אט ב-LangChain.

תרחיש לדוגמה: בניית אפליקציות AI גנרטיביות או תהליכי עבודה של יצירה משופרת באמצעות אחזור (RAG).

מדריך LangChain

פתרון: Genkit

סיכום: Genkit הוא framework קוד פתוח שעוזר לכם לבנות, לפרוס ולנטר אפליקציות מבוססות-AI שמוכנות לייצור.

תרחיש שימוש: אפשר להשתמש ב-Genkit וב-Cloud Firestore כדי ליצור אפליקציות שמפיקות תוכן בהתאמה אישית, משתמשות בחיפוש סמנטי, מטפלות בקלט לא מובנה, עונות על שאלות באמצעות הנתונים העסקיים שלכם ועוד הרבה יותר.

לעיון במאמרי העזרה של Genkit