本頁面說明如何建立新的 Example Store 執行個體，或重複使用現有的 Example Store 執行個體。開發 LLM 應用程式時，您可以將範例儲存在範例儲存庫中，並動態擷取範例，用於 LLM 提示。
如要使用少樣本範例訓練大型語言模型或代理程式，請先為專案和位置建立或重複使用 Example Store 執行個體，然後將範例上傳至該執行個體。
每個專案和位置最多可有 50 個 Example Store 執行個體。建立 Example Store 執行個體後，您可以在多個 LLM 應用程式和代理程式之間共用。
您可以使用兩種方式佈建 Example Store 執行個體：
建立新的 Example Store 執行個體：建立新的 Example Store 執行個體時，您需要指定嵌入模型，Example Store 會使用該模型判斷哪些範例與使用者的查詢相關。Example Store 支援下列嵌入模型：
text-embedding-005text-multilingual-embedding-002
建立範例商店執行個體後，即無法變更嵌入模型。如要使用其他嵌入模型，請建立另一個範例商店。如要進一步瞭解文字嵌入，請參閱「取得文字嵌入」。
重複使用現有的 Example Store 執行個體：Example Store 執行個體可供多個代理程式使用，因此您可以在 LLM 應用程式中存取儲存的範例。重複使用現有的 Example Store 執行個體時，無法變更嵌入模型。
必要條件
使用本頁面的 Python 範例前，請先在您的本機 Python 環境中安裝並初始化 Vertex AI SDK for Python。
執行下列指令，為 Example Store 安裝 Python 適用的 Vertex AI SDK。
pip install --upgrade google-cloud-aiplatform>=1.87.0使用下列程式碼範例，匯入及初始化 Example Store 的 SDK。
import vertexai from vertexai.preview import example_stores vertexai.init( project="PROJECT_ID", location="LOCATION" )更改下列內容：
PROJECT_ID：您的專案 ID。
LOCATION：您的區域。系統僅支援
us-central1。
建立 Example Store 執行個體
使用下列範例，為指定專案和位置建立 Example Store 執行個體。請注意，建立 Example Store 執行個體需要幾分鐘。
Python
在試用這個範例之前，請先按照Python使用用戶端程式庫的 Vertex AI 快速入門中的操作說明進行設定。 詳情請參閱 Vertex AI Python API 參考說明文件。
如要向 Vertex AI 進行驗證，請設定應用程式預設憑證。 詳情請參閱「為本機開發環境設定驗證」。
import vertexai
from vertexai.preview import example_stores
vertexai.init(
project="PROJECT_ID",
location="LOCATION"
)
my_example_store = example_stores.ExampleStore.create(
example_store_config=example_stores.ExampleStoreConfig(
vertex_embedding_model="EMBEDDING_MODEL"
)
)
更改下列內容：
- PROJECT_ID：您的專案 ID。
- LOCATION：要建立範例商店的區域。目前僅支援
us-central1區域。 - EMBEDDING_MODEL：Example Store 執行個體用來判斷哪些範例與使用者查詢相關的嵌入模型。Example Store
支援下列嵌入模型：
text-embedding-004text-multilingual-embedding-002
REST
如要建立 ExampleStore 資源，請使用 exampleStores.create 方法傳送 POST 要求。
使用任何要求資料之前，請先替換以下項目：
- PROJECT_ID：您的專案 ID。
- LOCATION：要建立 Example Store 執行個體的區域。目前僅支援
us-central1區域。 - DISPLAY_NAME：Example Store 執行個體的名稱。
- EMBEDDING_MODEL：Example Store 執行個體用來判斷哪些範例與使用者查詢相關的嵌入模型。Example Store
支援下列嵌入模型：
textembedding-gecko@003text-embedding-004text-multilingual-embedding-002
HTTP 方法和網址：
POST https://LOCATION-aiplatform.googleapis.com/v1beta1/projects/PROJECT_ID/locations/LOCATION/exampleStores
JSON 要求主體：
{
"display_name": "DISPLAY_NAME",
"example_store_config": {"vertex_embedding_model": EMBEDDING_MODEL}
}
如要傳送要求，請選擇以下其中一個選項：
curl
將要求主體儲存在名為 request.json 的檔案中，然後執行下列指令：
curl -X POST \
-H "Authorization: Bearer $(gcloud auth print-access-token)" \
-H "Content-Type: application/json; charset=utf-8" \
-d @request.json \
"https://LOCATION-aiplatform.googleapis.com/v1beta1/projects/PROJECT_ID/locations/LOCATION/exampleStores"
PowerShell
將要求主體儲存在名為 request.json 的檔案中，然後執行下列指令：
$cred = gcloud auth print-access-token
$headers = @{ "Authorization" = "Bearer $cred" }
Invoke-WebRequest `
-Method POST `
-Headers $headers `
-ContentType: "application/json; charset=utf-8" `
-InFile request.json `
-Uri "https://LOCATION-aiplatform.googleapis.com/v1beta1/projects/PROJECT_ID/locations/LOCATION/exampleStores" | Select-Object -Expand Content
您應該會收到類似如下的 JSON 回應，其中 EXAMPLE_STORE_ID 代表 Example Store 執行個體的 ID。
重複使用現有的 Example Store 執行個體
請使用下列範例，針對特定專案和地點重複使用現有的 Example Store 執行個體。
Python
在試用這個範例之前，請先按照Python使用用戶端程式庫的 Vertex AI 快速入門中的操作說明進行設定。 詳情請參閱 Vertex AI Python API 參考說明文件。
如要向 Vertex AI 進行驗證，請設定應用程式預設憑證。 詳情請參閱「為本機開發環境設定驗證」。
import vertexai
from vertexai.preview import example_stores
vertexai.init(
project="PROJECT_ID",
location="LOCATION"
)
example_store = example_stores.ExampleStore(
"EXAMPLE_STORE_NAME")
更改下列內容：
- PROJECT_ID：您的專案 ID。
- LOCATION：要建立範例商店的區域。目前僅支援
us-central1區域。 - EXAMPLE_STORE_NAME： 要重複使用的 Example Store 執行個體名稱。