Exemplo de pesquisa vetorial em um caderno
O seguinte Notebook mostra como usar o SDK Python de pesquisa vetorial. Para obter informações de referência, consulte a referênciaPython SDK.
LangChain
Para obter mais informações sobre como usar LangChain com a Pesquisa Vetorial Databricks , consulte Integração da pesquisa vetorialDatabricks.
-
- Busca vetorial com o SDK Python
- Crie um endpoint de busca, construa um índice vetorial delta-sync, execute buscas de similaridade e converta os resultados em documentos LangChain .
Utilize um modelo de incorporação
Esses notebooks mostram como configurar um endpoint Databricks servindo modelo para gerar embeddings.
-
- Utilize um modelo de incorporação da OpenAI
- Utilize o SDK Python com um modelo de incorporação externo (OpenAI) para criar e consultar um índice de busca vetorial.
-
- Utilize um modelo de incorporação GTE
- Utilize o modelo de incorporação da GTE Foundation para carregar um dataset em uma tabela Delta , dividir o texto em partes menores, criar um endpoint de pesquisa vetorial e um índice delta-sync, e executar pesquisas de similaridade.
-
- registrar e servir um modelo de incorporação de OSS
- baixe um modelo de incorporação de código aberto (
e5-small-v2) de Hugging Face, registre-o no Unity Catalog e implante-o como um endpoint de modelo opcional para uso com Databricks Vector Search.
Utilize a Pesquisa Vetorial com tokens OAuth
-
- Utilize a Pesquisa Vetorial com tokens OAuth
- Consulte um endpoint Databricks Vector Search usando o SDK Python ou solicitações HTTP diretas, autenticadas por meio de tokens OAuth de uma entidade de serviço, através do caminho otimizado para rede.