Trang này giúp bạn bắt đầu triển khai các tính năng AI tạo sinh trong ứng dụng. Trang này mô tả các tính năng và công cụ tích hợp cho Firestore liên quan đến AI tạo sinh.
Hướng dẫn nhanh về cách tìm kiếm vectơ bằng Cloud Firestore
Việc tạo các giải pháp sáng tạo dựa trên AI cho các trường hợp sử dụng như đề xuất sản phẩm và chatbot thường yêu cầu tìm kiếm vectơ tương đồng, hay còn gọi là tìm kiếm vectơ. Bạn có thể thực hiện tìm kiếm vectơ trên dữ liệu Firestore mà không cần phải sao chép dữ liệu sang một giải pháp tìm kiếm vectơ khác, nhờ đó duy trì được tính đơn giản và hiệu quả hoạt động.
Quy trình làm việc cốt lõi cho tính năng 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 vectơ nhúng
Bước đầu tiên để sử dụng tính năng tìm kiếm vectơ là tạo các vectơ nhúng. Nội dung nhúng là nội dung đại diện cho nhiều loại dữ liệu như văn bản, hình ảnh và video, giúp nắm bắt những điểm tương đồng về ngữ nghĩa hoặc cú pháp giữa các thực thể mà nội dung đó đại diện. Bạn có thể tính toán các nội dung nhúng bằng một dịch vụ, chẳng hạn như API nhúng văn bản Vertex AI.
Lưu trữ nội dung nhúng trong Firestore
Sau khi tạo các nội dung nhúng, bạn có thể lưu trữ các nội dung đó trong Firestore bằng một trong các SDK được hỗ trợ. Dưới đây là nội dung 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 chỉ mục vectơ KNN Firestore nơi lưu trữ các vectơ được nhúng. Trong bản phát hành xem trước, 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 đã sẵn sàng chạy tìm kiếm. Sau đó, bạn sẽ sử dụng lệnh gọi find_nearest trên tham chiếu tập hợp để truyền vectơ truy vấn được nhúng để so sánh các vectơ được nhúng đã lưu trữ và chỉ định hàm khoảng cách mà bạn muốn sử dụng.
Xin nhắc lại, 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 vectơ nhúng.
Trường hợp sử dụng: Các công cụ và tính năng khác sử dụng tính năng này.
Xem hướng dẫn về tính năng tìm kiếm vectơ
Giải pháp: tiện ích tìm kiếm vectơ bằng Firebase
Tóm tắt: Sử dụng tiện ích Firebase để tự động nhúng và truy vấn tài liệu Firestore bằng tính năng tìm kiếm vectơ.
Trường hợp sử dụng: Tìm kiếm vectơ tự động trong các dự án Firebase.
Xem lại nội dung mô tả tiện ích
Giải pháp: Tích hợp LangChain
Tóm tắt: Sử dụng Firestore làm kho 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 sinh tăng cường truy xuất (RAG).
Giải pháp: Genkit
Tóm tắt: Firebase Genkit là một khung nguồn mở giúp bạn tạo, triển khai và theo dõi các ứng dụng dựa trên AI sẵn sàng phát hành công khai.
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 làm nhiều việc khác!
Xem tài liệu về Firebase Genkit