Nota
L'accesso a questa pagina richiede l'autorizzazione. È possibile provare ad accedere o modificare le directory.
L'accesso a questa pagina richiede l'autorizzazione. È possibile provare a modificare le directory.
I seguenti notebook mostrano come usare l'SDK Python di AI Search. Per informazioni di riferimento, vedere il riferimento del Python SDK.
LangChain
Per altre informazioni sull'uso di LangChain con Databricks AI Search, vedere Integrazione della ricerca vettoriale di Databricks.
| Notebook | Description |
|---|---|
| Ricerca di intelligenza artificiale con Python SDK | Creare un endpoint di ricerca, compilare un indice vettoriale di sincronizzazione differenziale, eseguire ricerche di somiglianza e convertire i risultati in documenti LangChain. |
Usare un modello di incorporamento
Questi notebook illustrano come configurare un endpoint Databricks Model Serving per generare embedding.
| Notebook | Description |
|---|---|
| Usare un modello di incorporamento OpenAI | Usare Python SDK con un modello di incorporamento esterno (OpenAI) per creare ed eseguire query su un indice di ricerca di intelligenza artificiale. |
| Usare un modello di incorporamento GTE | Usare il modello di incorporamento della base GTE per caricare un set di dati in una tabella Delta, suddividere il testo, creare un endpoint di ricerca di intelligenza artificiale e un indice di sincronizzazione differenziale ed eseguire ricerche di somiglianza. |
| Registrare e distribuire un modello di embedding OSS | Scaricare un modello di incorporamento di open source (e5-small-v2) da Hugging Face, registrarlo in Unity Catalog e distribuirlo come endpoint model serving da usare con Databricks AI Search. |
Usa la ricerca basata sull'IA con un token OAuth
| Notebook | Description |
|---|---|
| Usa Ricerca con intelligenza artificiale con un token OAuth | Interrogare un endpoint Databricks AI Search usando l'SDK Python o richieste HTTP dirette, autenticandosi con un token OAuth di un service principal tramite il percorso ottimizzato per la rete. |