Вопросы по документам с ChromaDB

О чём урок

Примечание: Для корректной работы этого notebook требуются лимиты скорости платного уровня. (см. цены для получения дополнительной информации). В этом руководстве показано, 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 с открытым исходным кодом на Python, который создает базы данных embedding. ChromaDB позволяет: Хранить embeddings, а также их метаданные Создавать embeddings для документов и запросов Искать по базе данных embeddings В этом руководстве вы будете использовать embeddings 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 использовать Gemini API, вы должны сначала получить API key. Если у вас его еще нет, создайте key одним кликом в Google AI Studio. Получить API key В Colab добавьте key в менеджер секретов под значком "🔑" на левой панели. Присвойте ему имя GEMINI_API_KEY. Как только у вас появится API key, передайте его в SDK. Вы можете сделать это двумя способами: Поместите key в переменную среды GEMINI_API_KEY (SDK автоматически подхватит его оттуда). Передайте key в genai.Client(api_key=...) Ключевой момент: Далее вы выберете модель. Любая embedding модель подойдет для этого руководства, 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. Ниже представлен небольшой набор документов, которые вы будете использовать для создания базы данных embedding: Вы создадите пользовательскую функцию{:.external} для выполнения embedding с использованием Gemini API. Введя набор документов в эту пользовательскую функцию, вы получите векторы, или embeddings документов.

План урока

1. Обзор
2. Настройка
3. Настройте ваш API key
4. Данные
5. Создание базы данных embedding с помощью ChromaDB
6. Изменения API для Embeddings с моделью gemini-embedding-001
7. Получение релевантного документа
8. Следующие шаги