जनरेटिव एआई का इस्तेमाल शुरू करना

इस पेज पर, अपने ऐप्लिकेशन में जनरेटिव एआई की सुविधाएं लागू करने का तरीका बताया गया है. इसमें Firestore के लिए, जनरेटिव एआई की सुविधाओं और इंटिग्रेशन के बारे में बताया गया है.

Cloud Firestore की मदद से वेक्टर सर्च का इस्तेमाल शुरू करने के लिए क्विकस्टार्ट गाइड

प्रॉडक्ट के सुझाव और चैटबॉट जैसे इस्तेमाल के उदाहरणों के लिए, एआई की मदद से काम करने वाले इनोवेटिव समाधान बनाने के लिए, अक्सर वेक्टर सिमिलैरिटी सर्च या वेक्टर सर्च की ज़रूरत होती है. Firestore डेटा पर वेक्टर सर्च की सुविधा का इस्तेमाल किया जा सकता है. इसके लिए, डेटा को किसी दूसरे वेक्टर सर्च सलूशन में कॉपी करने की ज़रूरत नहीं पड़ती. इससे, ऑपरेशन को आसान और असरदार बनाए रखने में मदद मिलती है.

Cloud Firestore में वेक्टर सर्च के लिए मुख्य वर्कफ़्लो में चार चरण होते हैं.

हमारी ब्लॉग पोस्ट में, वेक्टर सर्च के बारे में पूरी जानकारी पाएं

वेक्टर एंबेडिंग जनरेट करें

वेक्टर सर्च का इस्तेमाल करने के लिए, सबसे पहले वेक्टर एंबेडिंग जनरेट करनी होती हैं. एम्बेडिंग, टेक्स्ट, इमेज, और वीडियो जैसे अलग-अलग तरह के डेटा को दिखाने का तरीका है. इससे उन इकाइयों के बीच के सिमैंटिक या सिंटैक्टिक समानताएं कैप्चर की जाती हैं जिन्हें वे दिखाते हैं. एम्बेडिंग का हिसाब लगाने के लिए, Vertex AI text-embeddings API जैसी सेवा का इस्तेमाल किया जा सकता है.

Firestore में एम्बेडिंग सेव करना

एम्बेडिंग जनरेट होने के बाद, उन्हें Firestore में सेव किया जा सकता है. इसके लिए, Firestore के साथ काम करने वाले किसी एसडीके का इस्तेमाल करें. NodeJS SDK में यह कार्रवाई कुछ इस तरह दिखती है:

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
});

वेक्टर इंडेक्स बनाना

अगला चरण, Firestore के केएनएन वेक्टर इंडेक्स को बनाना है. इसमें वेक्टर एंबेडिंग को सेव किया जाता है. लॉन्च से पहले झलक देखने के लिए बनाए गए वर्शन के दौरान, आपको gcloud कमांड लाइन टूल का इस्तेमाल करके इंडेक्स बनाना होगा.

सभी वेक्टर एंबेडिंग जोड़ने और वेक्टर इंडेक्स बनाने के बाद, खोज की जा सकती है. इसके बाद, कलेक्शन रेफ़रंस पर find_nearest कॉल का इस्तेमाल करके, क्वेरी वेक्टर एम्बेडिंग को पास किया जाएगा. इससे, सेव की गई एम्बेडिंग की तुलना की जा सकेगी और आपको जो डिस्टेंस फ़ंक्शन इस्तेमाल करना है उसे तय किया जा सकेगा.

एक बार फिर, हमारी ब्लॉग पोस्ट में वर्कफ़्लो और इस्तेमाल के ज़्यादा उदाहरण देखें.

खास जानकारी: वेक्टर एंबेडिंग को सेव करना और क्वेरी करना.

इस्तेमाल का उदाहरण: इस सुविधा का इस्तेमाल, अन्य टूल और सुविधाएं करती हैं.

वेक्टर सर्च के लिए गाइड देखें

समाधान: LangChain इंटिग्रेशन

खास जानकारी: Firestore को LangChain के लिए, वेक्टर स्टोर, दस्तावेज़ लोडर या चैट मैसेज के इतिहास के सोर्स के तौर पर इस्तेमाल करें.

इस्तेमाल का उदाहरण: जनरेटिव एआई ऐप्लिकेशन या रिट्रीवल-ऑगमेंटेड जनरेशन (आरएजी) वर्कफ़्लो बनाएं.

LangChain के लिए गाइड देखें

समाधान: Genkit

खास जानकारी: Genkit एक ओपन सोर्स फ़्रेमवर्क है. इसकी मदद से, एआई की मदद से काम करने वाले ऐसे ऐप्लिकेशन बनाए जा सकते हैं जो प्रोडक्शन के लिए तैयार हों. साथ ही, उन्हें डिप्लॉय और मॉनिटर किया जा सकता है.

इस्तेमाल का उदाहरण: Genkit और Cloud Firestore का इस्तेमाल करके ऐसे ऐप्लिकेशन बनाएं जो पसंद के मुताबिक कॉन्टेंट जनरेट करें, सिमैंटिक सर्च का इस्तेमाल करें, और बिना स्ट्रक्चर वाले इनपुट को हैंडल करें. साथ ही, आपके कारोबार के डेटा का इस्तेमाल करके सवालों के जवाब दें और कई अन्य काम करें!

Genkit का दस्तावेज़ देखें