เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

การคิวรีด้วยข้อความหลายรายการ

ในหลายกรณี คุณอาจต้องการคิวรีฐานข้อมูลเวกเตอร์โดยใช้ข้อความคิวรีหลายรายการพร้อมกัน โดยข้อความเหล่านี้จะถูกแปลงเป็น embedding ด้วยฟังก์ชัน embedding เดียวกับที่ใช้ตอนเพิ่มเอกสารเข้าไป

ในแบบฝึกหัดนี้ จะใช้เอกสารจาก 2 ID ใน collection netflix_titles เพื่อคิวรีส่วนที่เหลือของ collection แล้วคืนผลลัพธ์ที่คล้ายกันมากที่สุดในรูปแบบคำแนะนำ

สามารถใช้ collection netflix_titles ได้เลย และได้ import OpenAIEmbeddingFunction() ไว้แล้ว

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การสร้าง Embeddings ด้วย OpenAI API

ดูคอร์ส

คำแนะนำการฝึกหัด

  • ดึงเอกสารจาก collection สำหรับ ID ที่อยู่ใน reference_ids
  • คิวรี collection โดยใช้ reference_texts เพื่อคืนผลลัพธ์ 3 รายการสำหรับแต่ละคิวรี

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

collection = client.get_collection(
  name="netflix_titles",
  embedding_function=OpenAIEmbeddingFunction(model_name="text-embedding-3-small", api_key="")
)

reference_ids = ['s999', 's1000']

# Retrieve the documents for the reference_ids
reference_texts = ____

# Query using reference_texts
result = ____

print(result['documents'])
แก้ไขและรันโค้ด