О чём урок
Примечание: Для корректной работы этого notebook требуются лимиты запросов платного уровня. (см. цены для получения более подробной информации). Gemini API предоставляет доступ к семейству генеративных AI моделей для создания контента и решения задач. Эти модели разработаны и обучены для обработки как текста, так и изображений в качестве входных данных. Qdrant — это движок для поиска векторного сходства, который предлагает простой в использовании API для управления, хранения и поиска векторов с дополнительным payload. Это готовый к production сервис. В этом notebook вы узнаете, как выполнять поиск сходства по данным с веб-сайта с помощью Gemini API и Qdrant. Сначала необходимо установить пакеты и задать необходимые переменные окружения. Установите Python client SDK от Google для Gemini API, google-genai. Затем установите Python client SDK от Qdrant, qdrant-client. Чтобы запустить следующую cell, ваш API key должен быть сохранен в Colab Secret с именем GEMINI_API_KEY. Если у вас еще нет API key или вы не знаете, как создать Colab Secret, см. Authentication для примера. Семантический поиск — это процесс, с помощью которого поисковые системы интерпретируют и сопоставляют ключевые слова с намерением пользователя в органических результатах поиска. Он выходит за рамки поверхностного сопоставления ключевых слов. Он использует значение слов, фраз и контекст с помощью продвинутых алгоритмов, что приводит к более релевантным и удобным для пользователя результатам поиска. Семантические поиски основаны на векторных embedding, которые могут наилучшим образом сопоставить пользовательский query с наиболее похожим результатом. В этом руководстве вы реализуете три основных компонента семантического поиска: Создание индекса Создайте и сохраните индекс для данных в векторном хранилище Qdrant. Вы будете использовать embedding модель Gemini API для создания embedding векторов, которые могут быть сохранены в векторном хранилище Qdrant. Запрос индекса Запросите индекс, используя строку query, чтобы вернуть n ближайших соседей query. Вы узнаете больше об этих этапах в следующих разделах при реализации приложения.
План урока
- Обзор
- Настройка
- Установка
- Настройка вашего API key
- Основные шаги
- Импорт необходимых библиотек
- 1. Создание индекса
- Чтение и анализ данных веб-сайта
Урок входит в полный доступ. Полный текст и видео открываются после оплаты. Первые уроки каждого курса бесплатны.