О чём урок
Примечание: Для корректной работы этого блокнота требуются платные лимиты скорости (см. цены для получения более подробной информации).
В этом руководстве демонстрируется, как использовать Gemini API для создания векторной базы данных и получения ответов на вопросы из этой базы данных. Кроме того, вы будете использовать ChromaDB{:.external}, инструмент Python с открытым исходным кодом, который создает базы данных эмбеддингов. ChromaDB позволяет вам:
- Хранить эмбеддинги, а также их метаданные
- Встраивать документы и запросы
- Искать по базе данных эмбеддингов
В этом руководстве вы будете использовать эмбеддинги для получения ответа из базы данных векторов, созданной с помощью ChromaDB.
Сначала загрузите и установите ChromaDB и библиотеку Python для Gemini API.
Затем импортируйте модули, которые вы будете использовать в этом руководстве.
Прежде чем вы сможете использовать Gemini API, вы должны сначала получить ключ API. Если у вас его еще нет, создайте ключ одним щелчком мыши в Google AI Studio.
Получить ключ API
В Colab добавьте ключ в менеджер секретов под значком "🔑" на левой панели. Присвойте ему имя GEMINI_API_KEY.
После того как у вас есть ключ API, передайте его в SDK. Вы можете сделать это двумя способами:
- Поместите ключ в переменную среды GEMINI_API_KEY (SDK автоматически подхватит его оттуда).
- Передайте ключ в genai.Client(api_key=...)
Ключевой момент: Далее вы выберете модель. Для этого руководства подойдет любая модель эмбеддинга, но для реальных приложений важно выбрать конкретную модель и придерживаться ее. Выходы разных моделей несовместимы друг с другом.
Примечание: В настоящее время Gemini API доступен только в определенных регионах.
Вот небольшой набор документов, которые вы будете использовать для создания базы данных эмбеддингов:
Вы создадите пользовательскую функцию{:.external} для выполнения эмбеддинга с использованием Gemini API. Введя набор документов в эту пользовательскую функцию, вы получите векторы или эмбеддинги документов.
Для новой модели эмбеддингов, embedding-001, появился новый параметр типа задачи и необязательный заголовок (действителен только с task_type=RETRIEVAL…
План урока
- Обзор
- Настройка
- Настройка ключа API
- Данные
- Создание базы данных эмбеддингов с помощью ChromaDB
- Изменения API для эмбеддингов с моделью gemini-embedding-001
- Получение соответствующего документа
- Следующие шаги
Урок входит в полный доступ. Полный текст и видео открываются после оплаты. Первые уроки каждого курса бесплатны.