जनरेटिव एआई का इस्तेमाल शुरू करना

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

Cloud Firestore की मदद से वेक्टर खोजने की सुविधा के लिए क्विकस्टार्ट

प्रॉडक्ट के सुझाव और चैटबॉट जैसे इस्तेमाल के उदाहरणों के लिए, एआई की मदद से काम करने वाले नए-नए समाधान बनाने के लिए, अक्सर वेक्टर मिलते-जुलते खोज या वेक्टर खोज की ज़रूरत होती है. Firestore डेटा पर वेक्टर सर्च की सुविधा का इस्तेमाल किया जा सकता है. इसके लिए, आपको डेटा को किसी दूसरे वेक्टर सर्च सलूशन में कॉपी करने की ज़रूरत नहीं है. इससे, डेटा को आसानी से और बेहतर तरीके से मैनेज किया जा सकता है.

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

वेक्टर सर्च के बारे में पूरी जानकारी पाने के लिए हमारी ब्लॉग पोस्ट पढ़ें

वेक्टर एम्बेडिंग जनरेट करना

वेक्टर खोज को इस्तेमाल करने का पहला चरण है, वेक्टर एम्बेडिंग जनरेट करना. एम्बेडिंग, अलग-अलग तरह के डेटा को दिखाने का तरीका है. जैसे, टेक्स्ट, इमेज, और वीडियो. इसमें, उन इकाइयों के बीच सेमेटिक या सिंटैक्टिक मिलती-जुलती बातों को कैप्चर किया जाता है जिन्हें दिखाया जा रहा है. एम्बेडमेंट का हिसाब लगाने के लिए, किसी सेवा का इस्तेमाल किया जा सकता है. जैसे, Vertex AI टेक्स्ट-एम्बेडमेंट एपीआई.

एम्बेड किए गए डेटा को Firestore में सेव करना

एम्बेड जनरेट होने के बाद, उन्हें Firestore में सेव किया जा सकता है. इसके लिए, इस्तेमाल किए जा सकने वाले किसी SDK टूल का इस्तेमाल करें. NodeJS SDK में यह ऑपरेशन ऐसा दिखता 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 KNN वेक्टर इंडेक्स बनाना है, जहां वेक्टर एम्बेडमेंट सेव किए जाते हैं. झलक वाली रिलीज़ के दौरान, आपको gcloud कमांड लाइन टूल का इस्तेमाल करके इंडेक्स बनाना होगा.

सभी वेक्टर एम्बेड जोड़ने और वेक्टर इंडेक्स बनाने के बाद, खोज शुरू की जा सकती है. इसके बाद, आपको कलेक्शन रेफ़रंस पर find_nearest कॉल का इस्तेमाल करना होगा, ताकि क्वेरी वेक्टर एम्बेडिंग को पास किया जा सके. इस एम्बेडिंग की मदद से, सेव किए गए एम्बेडिंग की तुलना की जा सकती है. साथ ही, आपको जिस डिस्टेंस फ़ंक्शन का इस्तेमाल करना है उसे भी तय किया जा सकता है.

फिर से, हमारी ब्लॉग पोस्ट में वर्कफ़्लो और इस्तेमाल के अन्य उदाहरणों के बारे में जानें.

खास जानकारी: वेक्टर एम्बेडमेंट को सेव और क्वेरी करें.

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

वेक्टर सर्च के लिए गाइड देखें

समाधान: Firebase की मदद से वेक्टर सर्च के लिए एक्सटेंशन

खास जानकारी: वेक्टर सर्च की सुविधा की मदद से, अपने Firestore दस्तावेज़ों को अपने-आप एम्बेड करने और उनसे जुड़ी क्वेरी करने के लिए, Firebase एक्सटेंशन का इस्तेमाल करें.

इस्तेमाल का उदाहरण: अपने Firebase प्रोजेक्ट में, अपने-आप वेक्टर खोजने की सुविधा का इस्तेमाल करें.

एक्सटेंशन की जानकारी की समीक्षा करना

समाधान: LangChain इंटिग्रेशन

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

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

LangChain के लिए गाइड देखें

समाधान: Genkit

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

इस्तेमाल के उदाहरण: Genkit और Cloud Firestore का इस्तेमाल ऐसे ऐप्लिकेशन बनाने के लिए करें जो पसंद के मुताबिक कॉन्टेंट जनरेट करते हैं, सिमैंटिक खोज का इस्तेमाल करते हैं, बिना स्ट्रक्चर वाले इनपुट मैनेज करते हैं, अपने कारोबार के डेटा से सवालों के जवाब देने के साथ-साथ और भी बहुत कुछ करते हैं!

Firebase Genkit का दस्तावेज़ देखें