Запити та оновлення бази даних

Вступ до Embeddings з OpenAI API

Emmanuel Pire

Senior Software Engineer, DataCamp

Виконання запитів до бази

Запит «movies where people sing a lot» передається в модель ембеддингів, обчислюються косинусні відстані, а фінальні результати зберігаються.

Виконання запитів до бази

Пошуковий запит напряму передається у векторну базу для створення ембеддингу, яка вже містить вбудовані документи.

Отримання колекції

from chromadb.utils.embedding_functions import OpenAIEmbeddingFunction

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

Потрібно вказати ту саму функцію ембеддингів, що використовувалась під час додавання даних до колекції

Запит до колекції

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() повертає dict з кількома ключами:

ids: ідентифікатори повернених елементів
embeddings: ембеддинги повернених елементів
documents: початкові тексти повернених елементів
metadatas: метадані повернених елементів
distances: відстані елементів від тексту запиту

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

Текст запиту підсвічено разом з ідентифікаторами трьох результатів, які він згенерував.

Перший список відповідає першому query_text
Кілька текстів запиту повернуть кілька списків

ID результатів запиту підсвічено разом з пов'язаними документами, метаданими та відстанями.

Оновлення колекції

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

Вкажіть лише поля для оновлення, інші лишаться без змін
Колекція автоматично створить ембеддинги

Upsert у колекції

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

Якщо ID відсутні → додати їх
Якщо ID наявні → оновити їх

Видалення

Видалення елементів із колекції

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

Видалення всіх колекцій та елементів

client.reset()

Увага: це видалить усе з бази даних!

Давайте потренуємось!

Вступ до Embeddings з OpenAI API