vectorMatch

Texte d'intégration et de recherche avec PostgreSQL et étreinte dans Docker

Ce projet démontre un script Python qui incorpore du texte à l'aide d'un modèle à partir de l'étreinte Face, stocke les incorporations dans PostgreSQL avec l'extension pgvector et permet à la recherche de la base de données à l'aide de requêtes de texte régulières en comparant les intégres. Une fois les données récupérées, un LLM est utilisé pour générer une réponse avec Olllama. Le projet est exécuté avec Docker Compose

Caractéristiques

• Embeddings: Utilisez les transformateurs de l'étreinte Face pour intégrer le texte d'entrée.
• PostgreSQL avec PGVector: Stockez les intégres dans une base de données PostgreSQL à l'aide de l'extension pgvector pour effectuer des recherches basées sur des vecteurs.
• Fonctionnalité de recherche: Récupérez les entrées de base de données en comparant l'intégration du texte d'entrée aux intégres stockés.
• Prise en charge de Docker: exécutez toute l'application avec Docker Compose
• Olllama: générer une réponse basée sur LLM local

Condition préalable

Assurez-vous que vous avez installé les suivants:

• Docker

Installation

Obtenez le répertoire du projet

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

Démarrez Docker et accédez au répertoire du projet et exécutez le fichier Compose

 docker compose up

Attendez que le script soit terminé, cela peut prendre quelques minutes, puis vous attacher au conteneur Vectormatch

 docker attach vectormatch-vector-match-1