Gerar embeddings de vetor com o gerenciamento de endpoints de modelo

Esta página descreve uma prévia que permite experimentar o registro de um endpoint de modelo de IA e invocar previsões com o gerenciamento de endpoint do modelo. Para usar modelos de IA em ambientes de produção, consulte Criar aplicativos de IA generativa usando o AlloyDB AI e Trabalhar com embeddings de vetor.

Depois que os endpoints do modelo forem adicionados e registrados no gerenciamento de endpoints do modelo, você poderá fazê-los referência usando o ID do modelo para gerar incorporações.

Antes de começar

Verifique se você registrou o endpoint do modelo com o gerenciamento de endpoints do modelo. Para mais informações, consulte Registrar um endpoint de modelo com o gerenciamento de endpoints de modelo.

Gerar embeddings

Use a função SQL google_ml.embedding() para chamar o endpoint de modelo registrado com o tipo de modelo de incorporação de texto para gerar embeddings.

Para chamar o modelo e gerar embeddings, use a seguinte consulta SQL:

SELECT
  google_ml.embedding(
    model_id => 'MODEL_ID',
    content => 'CONTENT');

Substitua:

  • MODEL_ID: o ID do modelo que você definiu ao registrar o endpoint do modelo.
  • CONTENT: o texto a ser traduzido em um embedding vetorial.

Exemplos

Confira alguns exemplos de como gerar embeddings usando o endpoint de modelo registrado nesta seção.

Modelos de embedding de texto com suporte integrado

Para gerar embeddings para um endpoint de modelo textembedding-gecko@002 registrado, execute a seguinte instrução:

    SELECT
      google_ml.embedding(
        model_id => 'textembedding-gecko@002',
        content => 'AlloyDB is a managed, cloud-hosted SQL database service');

Para gerar embeddings para um endpoint de modelo text-embedding-ada-002 registrado pela OpenAI, execute a seguinte instrução:

    SELECT
      google_ml.embedding(
        model_id => 'text-embedding-ada-002',
        content => 'e-mail spam');

Outros modelos de embedding de texto

Para gerar embeddings para um endpoint de modelo text-embedding-3-small ou text-embedding-3-large registrado pela OpenAI, execute a seguinte instrução:

  SELECT
    google_ml.embedding(
      model_id => 'text-embedding-3-small',
      content => 'Vector embeddings in AI');