メインコンテンツまでスキップ
に最終更新

ベクトル検索サンプルノートブック

次のノートブックでは、一斉検索Python SDKの使用方法を示しています。 参考情報については、 Python SDK のリファレンスを参照してください。

LangChain​

Databricks地下鉄検索でのLangChainの使用の詳細については、 Databricks地下鉄検索の統合」を参照してください。

    • Python SDK を使用したベクトル検索
    • 検索エンドポイントを作成し、デルタ同期ベクトルインデックスを構築し、類似性検索を実行し、結果をLangChainドキュメントに変換します。

埋め込みモデルを使用する​

これらのノートブックでは、 Databricksモデルサービング エンドポイントを構成して埋め込みを生成する方法を示します。

    • GTE埋め込みモデルを使用する
    • GTE Foundationの埋め込みモデルを使用して、データセットをDeltaテーブルにロードし、テキストをチャンク化し、ベクトル検索エンドポイントとデルタ同期インデックスを作成し、類似性検索を実行します。
    • OSS 組み込みモデルを登録して提供する
    • Hugging Faceからオープンソース埋め込みモデル ( e5-small-v2 ) をダウンロードし、 Unity Catalogに登録し、 Databricks一連検索で使用するモデルサービング エンドポイントとしてデプロイします。

OAuthトークンでVector Searchを使う​

    • OAuthバンクで「成功検索」を使用する
    • Python SDKを使用してDatabricks高速検索エンドポイントをクエリするか、ネットワーク最適化パス経由でサービスプリンシパルOAuth認証を使用して認証された直接 HTTP 要求をクエリします。
このページの見出し