Remarque
L’accès à cette page nécessite une autorisation. Vous pouvez essayer de vous connecter ou de modifier des répertoires.
L’accès à cette page nécessite une autorisation. Vous pouvez essayer de modifier des répertoires.
Les blocs-notes suivants montrent comment utiliser le Kit de développement logiciel (SDK) de recherche vectorielle Python. Pour obtenir des informations de référence, consultez la référence du Kit de développement logiciel (SDK) Python.
LangChain
Pour plus d’informations sur l’utilisation de LangChain avec Databricks Vector Search, consultez l’intégration de la recherche vectorielle Databricks.
| Notebook | Description |
|---|---|
| Recherche vectorielle avec le SDK Python | Créez un point de terminaison de recherche, générez un index vectoriel delta-sync, exécutez des recherches de similarité et convertissez les résultats en documents LangChain. |
Utiliser un modèle d’incorporation
Ces notebooks montrent comment configurer un point de terminaison Databricks Model Serving pour générer des embeddings.
| Notebook | Description |
|---|---|
| Utiliser un modèle d’incorporation OpenAI | Utilisez le sdk Python avec un modèle d’incorporation externe (OpenAI) pour créer et interroger un index de recherche vectorielle. |
| Utiliser un modèle d’incorporation GTE | Utilisez le modèle d’incorporation de base GTE pour charger un jeu de données dans une table Delta, segmenter le texte, créer un point de terminaison de recherche vectorielle et un index de synchronisation delta et exécuter des recherches de similarité. |
| Inscrire et servir un modèle d’incorporation OSS | Téléchargez un modèle d’incorporation open source (e5-small-v2) à partir de Hugging Face, enregistrez-le dans le catalogue Unity et déployez-le en tant que point de terminaison de service de modèle pour utilisation avec la recherche vectorielle Databricks. |
Utiliser la recherche vectorielle avec un jeton OAuth
| Notebook | Description |
|---|---|
| Utiliser la recherche vectorielle avec un jeton OAuth | Interrogez un point de terminaison de recherche vectorielle Databricks à l’aide du SDK Python ou de requêtes HTTP directes, authentifiées à l'aide d'un jeton OAuth du principal du service sur le chemin réseau optimisé. |