Mengkueri dan memperbarui database

Pengantar Embeddings dengan OpenAI API

Emmanuel Pire

Senior Software Engineer, DataCamp

Mengkueri database

Kueri "movies where people sing a lot" dimasukkan ke model embedding, jarak kosinus dihitung, dan hasil akhir disimpan.

Mengkueri database

Kueri pencarian langsung dimasukkan ke basis data vektor untuk di-embedding, yang sudah memuat dokumen ter-embedding.

Ambil koleksi

from chromadb.utils.embedding_functions import OpenAIEmbeddingFunction

collection = client.get_collection(
    name="netflix_titles", 
    embedding_function=OpenAIEmbeddingFunction(api_key="...")
)

Harus gunakan embedding function yang sama seperti saat menambah data

Mengkueri koleksi

result = collection.query(
  query_texts=["movies where people sing a lot"],
  n_results=3
)
print(result)

{'ids': [['s4068', 's293', 's2213']],
 'embeddings': None,
 'documents': [['Title: Quién te cantará (Movie)\nDescription: When a near-...',
   'Title: Quartet (Movie)\nDescription: To save their posh retirement home, ...',
   'Title: Sing On! Spain (TV Show)\nDescription: In this fast-paced, high-...']],
 'metadatas': [[None, None, None]],
 'distances': [[0.350419282913208, 0.36049118638038635, 0.37080681324005127]]

query() mengembalikan dict dengan beberapa key:

ids: ID item yang dikembalikan
embeddings: Embedding item yang dikembalikan
documents: Teks sumber item yang dikembalikan
metadatas: Metadata item yang dikembalikan
distances: Jarak item dari teks kueri

{'ids': [...],
 'embeddings': None,
 'documents': [...],
 'metadatas': [...],
 'distances': [...]}

Teks kueri disorot bersama id dari tiga hasil kueri yang dihasilkan.

Daftar pertama sesuai dengan query_text pertama
Beberapa query_text mengembalikan beberapa daftar

ID hasil kueri disorot beserta dokumen, metadata, dan jaraknya.

Memperbarui koleksi

collection.update(
  ids=["id-1", "id-2"],
  documents=["New document 1", "New document 2"]
)

Sertakan hanya field yang diubah; lainnya tetap
Koleksi otomatis membuat embedding

Upsert koleksi

collection.upsert(
  ids=["id-1", "id-2"],
  documents=["New document 1", "New document 2"]
)

Jika ID belum ada → tambahkan
Jika ID sudah ada → perbarui

Menghapus

Hapus item dari koleksi

collection.delete(ids=["id-1", "id-2"])

Hapus semua koleksi dan item

client.reset()

Peringatan: ini akan menghapus semua isi database!

Ayo berlatih!

Pengantar Embeddings dengan OpenAI API