Générer des embeddings vectoriels avec la gestion des points de terminaison du modèle

Sélectionnez une version de la documentation :

Cette page décrit une version preview qui vous permet d'expérimenter l'enregistrement d'un point de terminaison de modèle d'IA et d'appeler des prédictions avec la gestion des points de terminaison de modèle. Pour utiliser des modèles d'IA dans des environnements de production, consultez Créer des applications d'IA générative à l'aide d'AlloyDB AI et Utiliser des embeddings vectoriels.

Une fois les points de terminaison de modèle ajoutés et enregistrés dans la gestion des points de terminaison de modèle, vous pouvez les référencer à l'aide de l'ID de modèle pour générer des embeddings.

Avant de commencer

Assurez-vous d'avoir enregistré le point de terminaison de votre modèle dans la gestion des points de terminaison de modèle. Pour en savoir plus, consultez Enregistrer un point de terminaison de modèle avec la gestion des points de terminaison de modèle.

Générer des embeddings

Utilisez la fonction SQL google_ml.embedding() pour appeler le point de terminaison du modèle enregistré avec le type de modèle d'embedding de texte afin de générer des embeddings.

Pour appeler le modèle et générer des embeddings, utilisez la requête SQL suivante :

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

Remplacez les éléments suivants :

  • MODEL_ID : ID du modèle que vous avez défini lors de l'enregistrement du point de terminaison du modèle.
  • CONTENT : texte à traduire en embedding vectoriel.

Exemples

Vous trouverez dans cette section quelques exemples de génération d'embeddings à l'aide du point de terminaison du modèle enregistré.

Modèles d'embeddings textuels avec prise en charge intégrée

Pour générer des embeddings pour un point de terminaison de modèle textembedding-gecko@002 enregistré, exécutez l'instruction suivante :

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

Pour générer des embeddings pour un point de terminaison de modèle text-embedding-ada-002 enregistré par OpenAI, exécutez l'instruction suivante :

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

Autres modèles d'embedding de texte

Pour générer des embeddings pour des points de terminaison de modèle text-embedding-3-small ou text-embedding-3-large enregistrés par OpenAI, exécutez l'instruction suivante :

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