Trang này giúp bạn bắt đầu triển khai các tính năng AI tạo sinh trong ứng dụng của mình. Trang này mô tả các tính năng và hoạt động tích hợp cho Firestore có liên quan đến AI tạo sinh.
Bắt đầu nhanh về tính năng tìm kiếm vectơ bằng Cloud Firestore
Việc tạo các giải pháp dựa trên AI sáng tạo cho các trường hợp sử dụng như đề xuất sản phẩm và chatbot thường yêu cầu tìm kiếm độ tương đồng vectơ hoặc tìm kiếm vectơ cho ngắn gọn. Bạn có thể thực hiện tìm kiếm vectơ trên dữ liệu Firestore mà không cần sao chép dữ liệu sang một giải pháp tìm kiếm vectơ khác, giúp duy trì sự đơn giản và hiệu quả trong hoạt động.
Quy trình cốt lõi để tìm kiếm vectơ trong Cloud Firestore bao gồm 4 bước.
Tìm hiểu đầy đủ về tính năng tìm kiếm vectơ trong bài đăng trên blog của chúng tôi
Tạo mục nhúng vectơ
Bước đầu tiên để sử dụng tính năng tìm kiếm vectơ là tạo các mục nhúng vectơ. Nhúng là cách biểu thị nhiều loại dữ liệu như văn bản, hình ảnh và video, giúp nắm bắt các điểm tương đồng về ngữ nghĩa hoặc cú pháp giữa các thực thể mà chúng biểu thị. Bạn có thể tính toán các mục nhúng bằng một dịch vụ, chẳng hạn như API nhúng văn bản Vertex AI.
Lưu trữ các mục nhúng trong Firestore
Sau khi tạo các mục nhúng, bạn có thể lưu trữ chúng trong Firestore bằng một trong các SDK được hỗ trợ. Dưới đây là giao diện của thao tác đó trong SDK 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
});
Tạo chỉ mục vectơ
Bước tiếp theo là tạo một chỉ mục vectơ KNN của Firestore, nơi lưu trữ các mục nhúng vectơ. Trong bản thử nghiệm, bạn cần tạo chỉ mục bằng công cụ dòng lệnh gcloud.
Thực hiện tìm kiếm vectơ
Sau khi thêm tất cả các mục nhúng vectơ và tạo chỉ mục vectơ, bạn có thể chạy tìm kiếm. Sau đó, bạn sẽ sử dụng lệnh gọi find_nearest trên một tham chiếu tập hợp để truyền nhúng vectơ truy vấn mà bạn muốn so sánh với các nhúng được lưu trữ và chỉ định hàm khoảng cách mà bạn muốn sử dụng.
Một lần nữa, hãy khám phá quy trình làm việc và các trường hợp sử dụng khác trong bài đăng trên blog của chúng tôi.
Giải pháp: tìm kiếm vectơ
Tóm tắt: Lưu trữ và truy vấn các mục nhúng vectơ.
Trường hợp sử dụng: Tính năng này được các công cụ và tính năng khác sử dụng.
Xem hướng dẫn về tính năng tìm kiếm vectơ
Giải pháp: Tích hợp LangChain
Tóm tắt: Sử dụng Firestore làm kho lưu trữ vectơ, trình tải tài liệu hoặc nguồn nhật ký tin nhắn trò chuyện cho LangChain.
Trường hợp sử dụng: Xây dựng các ứng dụng AI tạo sinh hoặc quy trình tạo tăng cường truy xuất (RAG).
Giải pháp: Genkit
Tóm tắt: Genkit là một khung nguồn mở giúp bạn xây dựng, triển khai và giám sát các ứng dụng dựa trên AI sẵn sàng cho môi trường thực tế.
Trường hợp sử dụng: Sử dụng Genkit và Cloud Firestore để tạo các ứng dụng tạo nội dung tuỳ chỉnh, sử dụng tính năng tìm kiếm ngữ nghĩa, xử lý dữ liệu đầu vào không có cấu trúc, trả lời câu hỏi bằng dữ liệu doanh nghiệp của bạn và nhiều tính năng khác!