SqlDatabaseVectorSearch

Образец поиска базы данных SQL -базы данных

Репозиторий, который демонстрирует нативный векторный тип в базе данных Azure SQL для выполнения встраивания и тряпки с Azure OpenAI.

Приложение представляет собой минимальный API, который обнаруживает конечные точки для загрузки документов, генерирования встроений и сохранения их в базе данных в качестве векторов, и выполнять поиск с использованием векторного поиска и RAG. В настоящее время поддерживаются только PDF -файлы. Векторы сохраняются и извлекаются с помощью ядра предприятия с использованием библиотеки efcore.sqlserver.vectorsearch. Внедрение и завершение чата интегрированы с семантическим ядром.

Примечание

Если вы предпочитаете использовать прямой SQL, ознакомьтесь с ветвью SQL.

Настраивать

• Создайте базу данных Azure SQL на сервере, на которой включена функция поддержки Vector
• Выполните файл scripts.sql для создания таблиц, необходимых для приложения
  • Возможно, вам потребуется обновить размер VECTOR столбца, чтобы соответствовать размеру модели встраивания. В настоящее время максимально допустимое значение - 1998.
• Откройте файл appsettings.json и установите строку подключения в базу данных, а другие настройки, требуемые Azure openai
  • Если ваша модель встраивания поддерживает укорочение, например, текстовое, 3-оболочное и пустое-3-сильное , и вы хотите использовать эту функцию, вам необходимо установить свойство Dimensions , чтобы соответствовать значению, которое вы использовали в сценарии SQL. Если ваша модель не предоставляет эту функцию, или вы хотите использовать размер по умолчанию, просто оставьте свойство Dimensions в NULL. Имейте в виду, что текстовое вмазвание-3-ловкое имеет измерение 1536 года, в то время как текстовый-3-прежний использует векторы с 3072 элементами, поэтому с этой последней моделью обязательно указать значение (что, как сказано, должно быть менее или равным 1998 году).
• Запустите приложение и начните импортировать документы PDF.