Beispiel-Notebooks für die KI-Suche

Die folgenden Notizbücher zeigen, wie sie das AI Search Python SDK verwenden. Referenzinformationen finden Sie in der Python SDK-Referenz.

LangChain

Weitere Informationen zur Verwendung von LangChain mit Databricks AI Search finden Sie unter Databricks-Vektorsuchintegration.

Laptop Description
KI-Suche mit dem Python SDK Erstellen Sie einen Suchendpunkt, erstellen Sie einen Delta-Synchronisierungsvektorindex, führen Sie Ähnlichkeitssuchen aus, und konvertieren Sie Ergebnisse in LangChain-Dokumente.

Verwenden eines Einbettungsmodells

Diese Notizbücher zeigen, wie Sie einen Databricks Model Serving-Endpunkt konfigurieren, um Einbettungen zu generieren.

Laptop Description
Verwenden eines OpenAI-Einbettungsmodells Verwenden Sie das Python SDK mit einem externen Einbettungsmodell (OpenAI), um einen AI-Suchindex zu erstellen und abzufragen.
Verwenden Sie ein GTE-Einbettungsmodell Verwenden Sie das GTE Foundation-Einbettungsmodell, um ein Dataset in eine Delta-Tabelle zu laden, den Text zu unterteilen, einen AI-Suchendpunkt und einen Delta-Synchronisierungsindex zu erstellen und Ähnlichkeitssuchen auszuführen.
Registrieren und Bedienen eines OSS-Einbettungsmodells Laden Sie ein Open Source Einbettungsmodell (e5-small-v2) von Hugging Face herunter, registrieren Sie es im Unity-Katalog, und stellen Sie es als Model Serving-Endpunkt für die Verwendung mit Databricks AI Search bereit.

Verwenden der KI-Suche mit einem OAuth-Token

Laptop Description
Verwenden der KI-Suche mit einem OAuth-Token Führen Sie Abfragen an einem Databricks AI Search-Endpunkt mithilfe des Python-SDK oder direkter HTTP-Anfragen durch, wobei die Authentifizierung über ein OAuth-Token eines Service-Principals über den netzwerkoptimierten Pfad erfolgt.