איך מתחילים להשתמש ב-AI גנרטיבי

בדף הזה מוסבר איך להתחיל להטמיע באפליקציה תכונות מבוססות-AI גנרטיבי, ומתוארים בו התכונות והשילובים של Firestore שכוללים AI גנרטיבי.

מדריך למתחילים בנושא חיפוש וקטורי באמצעות Cloud Firestore

כדי ליצור פתרונות חדשניים מבוססי-AI לתרחישים לדוגמה כמו המלצות על מוצרים וצ'אט בוטים, בדרך כלל צריך חיפוש וקטורי של דמיון, או בקיצור חיפוש וקטורי. אתם יכולים לבצע חיפוש וקטורי בנתונים של Firestore בלי הטרחה של העתקת הנתונים לפתרון אחר של חיפוש וקטורי, וכך לשמור על פשטות ויעילות תפעולית.

תהליך העבודה העיקרי של חיפוש וקטורי ב-Cloud Firestore מורכב מ-4 שלבים.

הסבר מפורט על חיפוש וקטורי בפוסט בבלוג שלנו

יצירת הטמעות וקטורים

השלב הראשון בשימוש בחיפוש וקטורי הוא ליצור הטמעות וקטורים. הטמעות הן ייצוגים של סוגי נתונים שונים, כמו טקסט, תמונות וסרטונים, שמתעדים דמיון סמנטי או תחבירי בין הישויות שהם מייצגים. אפשר לחשב הטמעות באמצעות שירות, כמו Vertex AI text-embeddings API.

אחסון הטמעות ב-Firestore

אחרי שנוצרות הטמעות, אפשר לאחסן אותן ב-Firestore באמצעות אחת מערכות ה-SDK הנתמכות. 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 Firestore KNN שבו מאוחסנות הטמעות הווקטורים. במהלך גרסת בטא, תצטרכו ליצור את האינדקס באמצעות כלי שורת הפקודה gcloud.

אחרי שמוסיפים את כל הטמעות הווקטורים ויוצרים את אינדקס הווקטורים, אפשר להריץ את החיפוש. לאחר מכן, משתמשים בקריאה find_nearest בהפניה לאוסף כדי להעביר את הטמעת הווקטורים של השאילתה, שאיתה משווים את ההטמעות השמורות, ולציין את פונקציית המרחק שבה רוצים להשתמש.

כדי לקבל מידע נוסף על תהליך העבודה ועל תרחישי שימוש נוספים, כדאי לעיין בפוסט בבלוג שלנו.

סיכום: אחסון ושליחת שאילתות על הטמעות וקטורים.

תרחיש לדוגמה: התכונה הזו משמשת את הכלים והתכונות האחרים.

למדריך בנושא חיפוש וקטורי

הפתרון: שילובים של LangChain

סיכום: שימוש ב-Firestore כמאגר וקטורים, כטוען מסמכים או כמקור להיסטוריית הודעות בצ'אט ב-LangChain.

תרחיש לדוגמה: פיתוח אפליקציות של AI גנרטיבי או תהליכי עבודה של יצירת נתונים מבוססת-אחזור (RAG).

למדריך של LangChain

הפתרון: Genkit

סיכום: ‏Genkit הוא פריימוורק בקוד פתוח שעוזר לכם לפתח, לפרוס ולנטר אפליקציות מבוססות-AI שמוכנות לייצור.

תרחיש לדוגמה: אתם יכולים להשתמש ב-Genkit וב-Cloud Firestore כדי ליצור אפליקציות שיוצרות תוכן בהתאמה אישית, משתמשות בחיפוש סמנטי, מטפלות בקלט לא מובנה, עונות על שאלות באמצעות הנתונים העסקיים שלכם ועוד.

לעיון במסמכי התיעוד של Genkit