vectorMatch

Texteinbettung und Suche mit Postgresql und Umarmung des Gesichts in Docker

Dieses Projekt demonstriert ein Python -Skript, das Text mit einem Modell aus dem Umarmungsgesicht einbettet, die Einbettung in PostgreSQL mit der pgvector -Erweiterung speichert und die Datenbank mit regulären Textabfragen durch Vergleich von Einbettungen durchsucht. Nachdem die Daten abgerufen wurden, wird ein LLM verwendet, um eine Antwort mit Ollama zu generieren. Das Projekt wird mit Docker Compose durchgeführt

Merkmale

• Einbettungen: Verwenden Sie die Transformatoren von Sugging Face, um Eingabetext einzubetten.
• PostgreSQL mit PGVector: Speichern Sie Einbettung in einer PostgreSQL-Datenbank mit der pgvector Erweiterung, um vektorbasierte Suchanfragen durchzuführen.
• Suchfunktionalität: Abrufen Sie Datenbankeinträge ab, indem Sie die Einbettung des Eingabetxtes mit den gespeicherten Einbettungen vergleichen.
• Docker -Unterstützung: Führen Sie die gesamte Anwendung mit Docker Compose aus
• OLLAMA: Reaktion auf der Grundlage lokaler LLM generieren

Voraussetzungen

Stellen Sie sicher, dass Sie Folgendes installiert haben:

• Docker

Aufstellen

Holen Sie sich das Projektverzeichnis

 git clone https://github.com/comhendrik/vectorMatch.git

Starten Sie Docker und gehen Sie in das Projektverzeichnis und führen Sie die Komponierungsdatei aus

 docker compose up

Warten Sie, bis das Skript durchgeführt wird. Dies kann einige Minuten dauern und sich dann am Vectormatch -Container befestigen

 docker attach vectormatch-vector-match-1