ドキュメントのエンベディングと保存
検索のためのドキュメント準備における最後のステップは、エンベディングと保存です。ここではOpenAIのtext-embedding-3-smallモデルを使って、分割済みのドキュメントをエンベディングし、ローカルのChromaベクトルデータベースに保存します。
Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasksの論文を再帰的に分割して作成したchunksは、あらかじめ読み込まれています。
この演習では、OpenAIのAPI キーを作成・使用する必要はありません。 <OPENAI_API_TOKEN>のプレースホルダーはそのままにしてください。これによりOpenAI APIにリクエストを送信できます。
この演習はコースの一部です
LangChainで学ぶ検索拡張生成（RAG）
演習の手順
- OpenAIのデフォルトのエンベディングモデルを初期化してください。
embedding_modelを使ってドキュメントのchunksをエンベディングし、Chromaベクトルデータベースに保存してください。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# Initialize the OpenAI embedding model
embedding_model = ____(api_key="", model='text-embedding-3-small')
# Create a Chroma vector store and embed the chunks
vector_store = ____