Notebooks de exemplo de Pesquisa de AI

Os notebooks a seguir mostram como usar o SDK do Python de Pesquisa de AI. Para obter informações de referência, consulte a referência do SDK do Python.

LangChain

Para obter mais informações sobre como usar a LangChain com o Databricks AI Search, consulte integração do Databricks Vector Search.

• • Pesquisa de AI com o SDK Python
  • Crie um endpoint de pesquisa, construa um índice de vetor com sincronização Delta, execute pesquisas de similaridade e converta resultados em documentos LangChain.

Use um modelo de incorporação

Esses notebooks mostram como configurar um endpoint de Model Serving do Databricks para gerar embeddings.

• • Utilize um modelo de incorporação OpenAI
  • Use o Python SDK com um modelo de incorporação externo (OpenAI) para criar e consultar um índice de Pesquisa AI.
• • Utilize um modelo de incorporação GTE
  • Use o modelo de incorporação base GTE para carregar um dataset em uma tabela Delta, fragmentar o texto, criar um endpoint de Pesquisa de IA e um índice de sincronização Delta, e executar pesquisas de similaridade.
• • Registrar e servir um modelo de incorporação de código aberto
  • Baixe um modelo de embeddings de código aberto (e5-small-v2) do Hugging Face, registre-o no Unity Catalog e implante-o como um endpoint do Model Serving para uso com o Databricks AI Search.

Use a Pesquisa de AI com um token OAuth

• • Use o AI Search com um token OAuth
  • Consultar um endpoint de pesquisa AI do Databricks usando o SDK Python ou solicitações HTTP diretas, autenticado usando um token OAuth de entidade de serviço através do caminho otimizado para a rede.