의미 체계 커널 벡터 저장소 커넥터에 대한 포함 생성

이러한 서비스를 직접 생성하거나 종속성 주입 컨테이너에 추가하고 여기에서 확인할 수 있습니다.

포함 생성기 생성기 생성

의미 체계 커널에서 직접 제공하는 텍스트 포함 서비스의 인스턴스를 생성할 수 있습니다. 모두 인터페이스를 구현합니다 ITextEmbeddingGenerationService .

// Constructing an Azure Open AI embedding generation service directly.
ITextEmbeddingGenerationService azureOpenAITES = new AzureOpenAITextEmbeddingGenerationService(
    "text-embedding-ada-002",
    "https://{myservice}.openai.azure.com/",
    "apikey");

// Constructing an Olama embedding generation service directly.
ITextEmbeddingGenerationService olamaTES = new OllamaTextEmbeddingGenerationService(
    "mxbai-embed-large",
    new Uri("http://localhost:11434"));

도우미를 사용하여 종속성 주입 컨테이너에 등록할 수도 있습니다.

// Registering Google AI embedding generation service with a service collection.
var services = new ServiceCollection();
services.AddGoogleAIEmbeddingGeneration("text-embedding-004", "apiKey");

// Registering Mistral AI embedding generation service with the dependency injection container on
// the kernel builder.
var kernelBuilder = Kernel
    .CreateBuilder()
    .AddMistralTextEmbeddingGeneration("mistral-embed", "apiKey");

포함 생성

만든 메서드를 ITextEmbeddingGenerationService 사용하려면 메서드를 GenerateEmbeddingAsync 호출하기만 하면 됩니다.

레코드를 업로드할 때 embedding을 생성하는 예제는 다음과 같습니다.

public async Task GenerateEmbeddingsAndUpsertAsync(
    ITextEmbeddingGenerationService textEmbeddingGenerationService,
    IVectorStoreRecordCollection<ulong, Hotel> collection)
{
    // Upsert a record.
    string descriptionText = "A place where everyone can be happy.";
    ulong hotelId = 1;

    // Generate the embedding.
    ReadOnlyMemory<float> embedding =
        await textEmbeddingGenerationService.GenerateEmbeddingAsync(descriptionText);

    // Create a record and upsert with the already generated embedding.
    await collection.UpsertAsync(new Hotel
    {
        HotelId = hotelId,
        HotelName = "Hotel Happy",
        Description = descriptionText,
        DescriptionEmbedding = embedding,
        Tags = new[] { "luxury", "pool" }
    });
}

다음은 검색할 때 포함을 생성하는 예제입니다.

public async Task GenerateEmbeddingsAndSearchAsync(
    ITextEmbeddingGenerationService textEmbeddingGenerationService,
    IVectorStoreRecordCollection<ulong, Hotel> collection)
{
    // Upsert a record.
    string descriptionText = "Find me a hotel with happiness in mind.";

    // Generate the embedding.
    ReadOnlyMemory<float> searchEmbedding =
        await textEmbeddingGenerationService.GenerateEmbeddingAsync(descriptionText);

    // Search using the already generated embedding.
    List<VectorSearchResult<Hotel>> searchResult = await collection.VectorizedSearchAsync(searchEmbedding).ToListAsync();

    // Print the first search result.
    Console.WriteLine("Score for first result: " + searchResult.FirstOrDefault()?.Score);
    Console.WriteLine("Hotel description for first result: " + searchResult.FirstOrDefault()?.Record.Description);
}

포함 차원

일반적으로 벡터 데이터베이스는 컬렉션을 만들 때 각 벡터에 있는 차원 수를 지정해야 합니다. 다양한 포함 모델은 일반적으로 차원 크기가 다른 벡터 생성을 지원합니다. 예를 들어 Open AI text-embedding-ada-002 는 1536차원의 벡터를 생성합니다. 또한 일부 모델을 사용하면 개발자가 출력 벡터에서 원하는 차원 수를 선택할 수 있습니다. 예를 들어 Google text-embedding-004 은 기본적으로 768차원의 벡터를 생성하지만 개발자는 1에서 768 사이의 차원 수를 선택할 수 있습니다.

포함 모델에서 생성된 벡터가 데이터베이스의 일치하는 벡터와 동일한 수의 차원을 가지도록 하는 것이 중요합니다.

의미 체계 커널 벡터 저장소 추상화를 사용하여 컬렉션을 만드는 경우 주석 또는 레코드 정의를 통해 각 벡터 속성에 필요한 차원 수를 지정해야 합니다. 다음은 차원 수를 1536으로 설정하는 예제입니다.

[VectorStoreRecordVector(Dimensions: 1536)]
public ReadOnlyMemory<float>? DescriptionEmbedding { get; set; }

new VectorStoreRecordVectorProperty("DescriptionEmbedding", typeof(float)) { Dimensions = 1536 }

서비스 예정

추가 정보는 곧 제공될 예정입니다.

서비스 예정

추가 정보는 곧 제공될 예정입니다.