SqlDatabaseVectorSearch

SQL -Datenbank -Vektor -Suchprobe

Ein Repository, das den nativen Vektortyp in der Azure -SQL -Datenbank zur Durchführung von Einbettungen und Lappen mit Azure OpenAI zeigt.

Die Anwendung ist eine minimale API, die Endpunkte zum Laden von Dokumenten, die Generierung von Einbettungen und das Speichern in der Datenbank als Vektoren enthüllt und Suchvorgänge mithilfe von Vektorsuche und Lappen durchführen. Derzeit werden nur PDF -Dateien unterstützt. Die Vektoren werden mit dem Entitäts -Framework -Kern unter Verwendung der Bibliothek efcore.sqlServer.Vectorsearch gespeichert und abgerufen. Einbetten und Chat -Abschluss sind in den semantischen Kernel integriert.

Notiz

Wenn Sie es vorziehen, gerade SQL zu verwenden, lesen Sie den SQL -Zweig.

Aufstellen

• Erstellen Sie eine Azure -SQL -Datenbank auf einem Server, auf dem die Vektor -Support -Funktion aktiviert ist
• Führen Sie die Datei scripts.sql aus, um die von der Anwendung benötigten Tabellen zu erstellen
  • Möglicherweise müssen Sie die Größe der VECTOR aktualisieren, um der Größe des Einbettungsmodells zu entsprechen. Derzeit ist der maximal zulässige Wert 1998.
• Öffnen Sie die Datei appSettings.json und setzen
  • Wenn Ihr Einbettungsmodell eine Verkürzung wie das Text-Embedding-3-small und das Text-Embedding-3-Large unterstützt und diese Funktion verwenden möchten, müssen Sie die Dimensions so festlegen, dass sie dem Wert entspricht, den Sie im SQL-Skript verwendet haben. Wenn Ihr Modell diese Funktion nicht bereitstellt oder die Standardgröße verwenden möchten, überlassen Sie einfach die Eigenschaft Dimensions NULL. Denken Sie daran, dass Text-Embedding-3-Small eine Dimension von 1536 hat, während Text-Embedding-3-große Vektoren mit 3072 Elementen verwendet. Mit diesem letzteren Modell ist es daher obligatorisch, einen Wert anzugeben (der, wie gesagt, weniger oder gleich 1998).
• Führen Sie die Anwendung aus und importieren Sie Ihre PDF -Dokumente.