Урок из полного доступа, первые уроки курса бесплатно Официальный курс OpenAI Academy на русском
Урок 252 · Текст · ~5 мин

Azure AI Search как векторная база для эмбеддингов

Урок 252 из 303 курса «OpenAI Cookbook»: официальный курс OpenAI Academy (ОпенАИ) на русском языке. Урок входит в платный доступ; первые уроки курса бесплатно.

О чём урок

Этот notebook содержит пошаговые инструкции по использованию Azure AI Search (ранее Azure Cognitive Search) как векторной базы данных с OpenAI embeddings. Azure AI Search — это облачный сервис поиска, который предоставляет разработчикам инфраструктуру, API и инструменты для создания многофункционального поиска по частному, гетерогенному контенту в веб-, мобильных и корпоративных приложениях.

Для выполнения этого упражнения вам необходимо иметь следующее:

  • Azure AI Search Service
  • OpenAI Key или Azure OpenAI credentials

Этот раздел поможет вам настроить аутентификацию для Azure OpenAI, что позволит вам безопасно взаимодействовать с сервисом, используя либо Azure Active Directory (AAD), либо API key. Прежде чем продолжить, убедитесь, что у вас готовы endpoint и credentials для Azure OpenAI. Подробные инструкции по настройке AAD с Azure OpenAI см. в официальной документации.

В этом разделе объясняется, как настроить клиент Azure AI Search для интеграции с функцией Vector Store. Вы можете найти данные своего сервиса Azure AI Search на портале Azure или программно с помощью Search Management SDK.

Этот фрагмент кода демонстрирует, как определить и создать поисковый индекс, используя SearchIndexClient из Python SDK Azure AI Search. Индекс включает в себя возможности как vector search, так и semantic ranker. Для получения более подробной информации посетите нашу документацию о том, как создать векторный индекс

Следующий фрагмент кода описывает процесс загрузки пакета документов — в частности, статей Википедии с предварительно вычисленными embeddings — из pandas DataFrame в индекс Azure AI Search. Подробное руководство по стратегиям импорта данных и лучшим практикам см. в разделе Импорт данных в Azure AI Search.

Если ваш набор данных еще не содержал предварительно вычисленных embeddings, вы можете создать embeddings, используя приведенную ниже функцию из библиотеки openai для Python. Вы также заметите, что та же функция и модель используются для генерации query embeddings для выполнения vector searches.

Гибридный поиск сочетает возможности традиционного поиска по ключевым словам с поиском по векторному сходству для получения более релевантных и контекстуальных…

План урока

  1. Предварительные требования
  2. Импорт необходимых библиотек
  3. Настройка параметров OpenAI
  4. Настройка параметров Vector Store для Azure AI Search
  5. Загрузка данных
  6. Создание индекса
  7. Загрузка данных в индекс Azure AI Search
  8. Выполнение поиска по векторному сходству

Урок входит в полный доступ. Полный текст и видео открываются после оплаты. Первые уроки каждого курса бесплатны.

Откройте полный доступ

Вы прошли бесплатные уроки. Выберите тариф, чтобы продолжить обучение.

Курсы OpenAI 1 490 ₽ Разовый платёж, навсегда
  • Все курсы от OpenAI (1 шт.)
  • Именной сертификат по каждому пройденному курсу
Оплатить
Полный доступ 4 900 ₽ Разовый платёж, навсегда
  • Все 77 курсов от 11 AI-провайдеров
  • Библиотека промптов и новые курсы
Оплатить

Безопасная оплата через Robokassa: СБП, карты, электронные кошельки. Доступ откроется в этом браузере и придёт письмом. Уже оплатили? Восстановить доступ

Полезные гиды