Questa pagina descrive un'anteprima che ti consente di sperimentare la registrazione di un endpoint del modello AI e di richiamare le previsioni con la gestione degli endpoint del modello. Per utilizzare i modelli di IA negli ambienti di produzione, consulta Creare applicazioni di IA generativa utilizzando AlloyDB AI e Lavorare con gli embedding vettoriali.
Dopo aver aggiunto e registrato gli endpoint del modello nella gestione degli endpoint del modello, puoi farvi riferimento utilizzando l'ID modello per generare gli embedding.
Prima di iniziare
Assicurati di aver registrato l'endpoint del modello con la gestione degli endpoint del modello. Per maggiori informazioni, consulta Registrare un endpoint del modello con la gestione degli endpoint del modello
Genera embedding
Utilizza la funzione SQL google_ml.embedding() per chiamare l'endpoint del modello registrato con il tipo di modello di incorporamento del testo per generare gli incorporamenti.
Per chiamare il modello e generare gli embedding, utilizza la seguente query SQL:
SELECT
google_ml.embedding(
model_id => 'MODEL_ID',
content => 'CONTENT');
Sostituisci quanto segue:
MODEL_ID: l'ID modello definito durante la registrazione dell'endpoint del modello.CONTENT: il testo da tradurre in un embedding vettoriale.
Esempi
In questa sezione sono elencati alcuni esempi per la generazione di embedding utilizzando l'endpoint del modello registrato.
Modelli di embedding di testo con supporto integrato
Per generare embedding per un endpoint del modello textembedding-gecko@002 registrato, esegui la seguente istruzione:
SELECT
google_ml.embedding(
model_id => 'textembedding-gecko@002',
content => 'AlloyDB is a managed, cloud-hosted SQL database service');
Per generare embedding per un endpoint del modello text-embedding-ada-002 registrato da OpenAI, esegui la seguente istruzione:
SELECT
google_ml.embedding(
model_id => 'text-embedding-ada-002',
content => 'e-mail spam');
Altri modelli di incorporamento del testo
Per generare embedding per gli endpoint del modello text-embedding-3-small o text-embedding-3-large registrati da OpenAI, esegui la seguente istruzione:
SELECT
google_ml.embedding(
model_id => 'text-embedding-3-small',
content => 'Vector embeddings in AI');