หน้าแรก>การเขียนโปรแกรมที่เกี่ยวข้อง>ซอร์สโค้ดอื่น ๆ
ดาวน์โหลด

ตัวอย่างการค้นหาเวกเตอร์ฐานข้อมูล SQL

พื้นที่เก็บข้อมูลที่แสดงประเภทเวกเตอร์ดั้งเดิมในฐานข้อมูล Azure SQL เพื่อดำเนินการฝังและผ้าขี้ริ้วด้วย Azure Openai

แอปพลิเคชันเป็น API ขั้นต่ำที่เปิดเผยจุดสิ้นสุดในการโหลดเอกสารสร้าง Embeddings และบันทึกลงในฐานข้อมูลเป็นเวกเตอร์และทำการค้นหาโดยใช้การค้นหาเวกเตอร์และ RAG ปัจจุบันรองรับไฟล์ PDF เท่านั้น เวกเตอร์จะถูกบันทึกและเรียกคืนด้วยเอนทิตีเฟรมเวิร์กคอร์โดยใช้ไลบรารี efcore.sqlserver.vectorSearch การฝังและการแชทเสร็จสมบูรณ์รวมเข้ากับเคอร์เนลความหมาย

บันทึก

หากคุณต้องการใช้ SQL แบบตรงให้ตรวจสอบสาขา SQL

การค้นหาเวกเตอร์ฐานข้อมูล SQL

การตั้งค่า

  • สร้างฐานข้อมูล Azure SQL บนเซิร์ฟเวอร์ที่เปิดใช้งานคุณสมบัติการสนับสนุนเวกเตอร์
  • เรียกใช้ไฟล์ scripts.sql เพื่อสร้างตารางที่ต้องการโดยแอปพลิเคชัน
    • คุณอาจต้องอัปเดตขนาดของคอลัมน์ VECTOR เพื่อให้ตรงกับขนาดของแบบจำลองการฝัง ปัจจุบันค่าสูงสุดที่อนุญาตคือปี 1998
  • เปิดไฟล์ appsettings.json และตั้งค่าสตริงการเชื่อมต่อเป็นฐานข้อมูลและการตั้งค่าอื่น ๆ ที่ Azure Openai ต้องการ
    • หากโมเดลการฝังของคุณรองรับการสั้นลงเช่น การฝังตัวข้อความ -3-small และ การฝังตัวข้อความ -3 ขนาดใหญ่ และคุณต้องการใช้คุณสมบัตินี้คุณต้องตั้งค่าคุณสมบัติ Dimensions เพื่อให้ตรงกับค่าที่คุณใช้ในสคริปต์ SQL หากโมเดลของคุณไม่ได้ให้คุณสมบัตินี้หรือคุณต้องการใช้ขนาดเริ่มต้นเพียงแค่ปล่อยให้คุณสมบัติ Dimensions เป็นโมฆะ โปรดทราบว่า การฝังตัวข้อความ -3-small มีมิติที่ 1536 ในขณะที่ การฝังตัวข้อความ -3 ขนาดใหญ่ ใช้เวกเตอร์ที่มีองค์ประกอบ 3072 ดังนั้นด้วยโมเดลหลังนี้จึงจำเป็นต้องระบุค่า (ดังที่กล่าวไว้จะต้องน้อยหรือเท่ากับปี 1998)
  • เรียกใช้แอปพลิเคชันและเริ่มนำเข้าเอกสาร PDF ของคุณ
ขยาย
ข้อมูลเพิ่มเติม
แอปที่เกี่ยวข้อง
แนะนำสำหรับคุณ
ข้อมูลที่เกี่ยวข้อง ทั้งหมด