Персональные описания товаров с Weaviate

О чём урок

Примечание: Для корректной работы этого notebook требуются лимиты запросов платного уровня. (см. pricing для получения более подробной информации). Weaviate — это векторная база данных с открытым исходным кодом, которая позволяет создавать приложения на базе ИИ с помощью Gemini API! Этот notebook состоит из четырех частей: Часть 1: Подключение к Weaviate, определение Schema и импорт данных Часть 2: Выполнение запросов Vector Search Часть 3: Generative Feedback Loops Часть 4: Персонализированные описания продуктов В этой демонстрации вы узнаете, как выполнять embedding ваших данных, запускать semantic search, делать generative call к Gemini API и сохранять output в вашей векторной базе данных, а также персонализировать описание на основе профиля пользователя. Вы будете работать с e-commerce dataset, содержащим товары Google. Вы загрузите данные в векторную базу данных Weaviate и используете функции semantic search для извлечения данных. Далее вы сгенерируете описания продуктов и сохраните их обратно в базу данных с vector embedding для последующего извлечения (так называемые generative feedback loops). Наконец, вы создадите небольшой knowledge graph с уникально сгенерированными описаниями продуктов для buyer personas Алисы и Боба. Вам потребуется запущенный Weaviate cluster и Gemini API key. Вы настроите эти требования по мере прохождения этого notebook! Векторная база данных Weaviate Serverless Embedded Local (Docker) Gemini API key Создайте API key через AI Studio Для потрясающего обзора этой демонстрации посмотрите эту презентацию с Google Cloud Next! Вам потребуется создать Weaviate cluster. Это можно сделать несколькими способами: Weaviate Embedded: Запуск Weaviate в вашей среде выполнения Weaviate Cloud: Создание sandbox в нашем управляемом сервисе. Вам потребуется развернуть его в US West, US East или Австралии. Local Host: Docker или Kubernetes Полный список вариантов установки см. на этой странице. По умолчанию вы будете использовать Weaviate Embedded. Он запускает Weaviate внутри вашего notebook и идеально подходит для быстрых экспериментов. Примечание: Он отключится, как только вы остановите terminal.

План урока

1. Вариант использования
2. Требования
3. Установка зависимостей и библиотек
4. Часть 1: Подключение к Weaviate, определение Schema и импорт данных
5. Подключение к Weaviate
6. Weaviate Embedded
7. Другие варианты: Weaviate Cloud и Local Host
8. Weaviate Cloud