次のノートブックは、ベクター検索のためのPython SDKを使用する方法を示しています。 リファレンス情報については、 Python SDK リファレンスを参照してください。
LangChain
Databricks Vector Search での LangChain の使用の詳細については、 Databricks ベクター検索の統合に関する説明を参照してください。
| Notebook | Description |
|---|---|
| Python SDK を使用したVector 検索 | 検索エンドポイントを作成し、差分同期ベクター インデックスを作成し、類似性検索を実行して、結果を LangChain ドキュメントに変換します。 |
埋め込みモデルを使用する
これらのノートブックは、埋め込みを生成するように Databricks Model Serving エンドポイントを構成する方法を示しています。
| Notebook | Description |
|---|---|
| OpenAI 埋め込みモデルを使用する | Python SDK と外部埋め込みモデル (OpenAI) を使用して、ベクター検索インデックスを作成してクエリを実行します。 |
| GTE 埋め込みモデルを使用する | GTE 基盤埋め込みモデルを使用して、データセットを Delta テーブルに読み込み、テキストをチャンクし、ベクター検索エンドポイントと差分同期インデックスを作成し、類似性検索を実行します。 |
| OSS 埋め込みモデルを登録して提供する | Hugging Face からオープンソース埋め込みモデル (e5-small-v2) をダウンロードし、Unity カタログに登録して、Databricks Vector Search で使用するモデル サービス エンドポイントとしてデプロイします。 |
OAuth トークンでベクター検索を使用する
| Notebook | Description |
|---|---|
| OAuth トークンでベクター検索を使用する | Python SDK を使用して Databricks Vector Search エンドポイントにクエリを実行するか、ネットワーク最適化パスを介してサービス プリンシパルの OAuth トークンを使用して認証された HTTP 要求を直接実行します。 |