Cette page vous explique comment créer une instance de magasin d'exemples ou réutiliser une instance existante. Vous pouvez stocker vos exemples dans un magasin d'exemples lorsque vous développez votre application LLM et les récupérer de manière dynamique pour les utiliser dans vos requêtes LLM.
Pour enseigner à un LLM ou à un agent à l'aide d'exemples few-shot, vous devez d'abord créer ou réutiliser une instance Example Store pour votre projet et votre emplacement, puis y importer des exemples.
Pour chaque projet et chaque emplacement, vous pouvez disposer d'un maximum de 50 instances de l'Exemple de magasin. Une fois que vous avez créé une instance Example Store, vous pouvez la partager entre plusieurs applications et agents LLM.
Il existe deux façons de provisionner une instance de magasin d'exemples :
Créer une instance Example Store : lorsque vous créez une instance Example Store, vous devez spécifier le modèle d'embedding qu'elle utilise pour déterminer les exemples pertinents pour les requêtes des utilisateurs. Example Store est compatible avec les modèles d'embedding suivants :
text-embedding-005
text-multilingual-embedding-002
Vous ne pouvez pas modifier un modèle d'encapsulation après avoir créé l'instance Example Store. Si vous souhaitez utiliser un autre modèle d'encapsulation, vous devez créer un autre magasin d'exemples. Pour en savoir plus sur les embeddings de texte, consultez Obtenir des embeddings de texte.
Réutiliser une instance Example Store existante : les instances Example Store sont conçues pour être utilisées par plusieurs agents. Vous pouvez donc accéder aux exemples stockés dans les applications LLM. Vous ne pouvez pas modifier le modèle d'embedding lorsque vous réutilisez une instance Example Store existante.
Prérequis
Avant d'utiliser les exemples Python sur cette page, installez et initialisez le SDK Vertex AI pour Python dans votre environnement Python local.
Exécutez la commande suivante pour installer le SDK Vertex AI pour Python pour le magasin d'exemples.
pip install --upgrade google-cloud-aiplatform>=1.87.0
Utilisez l'exemple de code suivant pour importer et initialiser le SDK pour le magasin d'exemples.
import vertexai from vertexai.preview import example_stores vertexai.init( project="PROJECT_ID", location="LOCATION" )
Remplacez les éléments suivants :
PROJECT_ID : ID de votre projet
LOCATION : votre région. Seule la région
us-central1
est compatible.
Créer une instance de magasin d'exemples
Utilisez les exemples suivants pour créer une instance de magasin d'exemples pour un projet et un emplacement spécifiés. Notez que la création d'une instance de magasin d'exemples peut prendre quelques minutes.
Python
Avant d'essayer cet exemple, suivez les instructions de configuration pour Python décrites dans le guide de démarrage rapide de Vertex AI à l'aide des bibliothèques clientes. Pour en savoir plus, consultez la documentation de référence de l'API Vertex AI Python.
Pour vous authentifier auprès de Vertex AI, configurez le service Identifiants par défaut de l'application. Pour en savoir plus, consultez Configurer l'authentification pour un environnement de développement local.
import vertexai
from vertexai.preview import example_stores
vertexai.init(
project="PROJECT_ID",
location="LOCATION"
)
my_example_store = example_stores.ExampleStore.create(
example_store_config=example_stores.ExampleStoreConfig(
vertex_embedding_model="EMBEDDING_MODEL"
)
)
Remplacez les éléments suivants :
- PROJECT_ID : ID de votre projet
- LOCATION : région dans laquelle vous souhaitez créer l'exemple de boutique. La seule région acceptée est
us-central1
. - EMBEDDING_MODEL : modèle d'embedding que l'instance Example Store utilise pour déterminer les exemples pertinents pour les requêtes des utilisateurs. Example Store
est compatible avec les modèles d'embedding suivants :
text-embedding-004
text-multilingual-embedding-002
REST
Pour créer une ressource ExampleStore
, envoyez une requête POST
à l'aide de la méthode exampleStores.create
.
Avant d'utiliser les données de requête ci-dessous, effectuez les remplacements suivants :
- PROJECT_ID : ID de votre projet
- LOCATION : région dans laquelle vous souhaitez créer l'instance Example Store. La seule région acceptée est
us-central1
. - DISPLAY_NAME : nom de l'instance Example Store.
- EMBEDDING_MODEL : modèle d'embedding que l'instance Example Store utilise pour déterminer les exemples pertinents pour les requêtes des utilisateurs. Example Store
est compatible avec les modèles d'embedding suivants :
textembedding-gecko@003
text-embedding-004
text-multilingual-embedding-002
Méthode HTTP et URL :
POST https://LOCATION-aiplatform.googleapis.com/v1beta1/projects/PROJECT_ID/locations/LOCATION/exampleStores
Corps JSON de la requête :
{ "display_name": "DISPLAY_NAME", "example_store_config": {"vertex_embedding_model": EMBEDDING_MODEL} }
Pour envoyer votre requête, choisissez l'une des options suivantes :
curl
Enregistrez le corps de la requête dans un fichier nommé request.json
, puis exécutez la commande suivante :
curl -X POST \
-H "Authorization: Bearer $(gcloud auth print-access-token)" \
-H "Content-Type: application/json; charset=utf-8" \
-d @request.json \
"https://LOCATION-aiplatform.googleapis.com/v1beta1/projects/PROJECT_ID/locations/LOCATION/exampleStores"
PowerShell
Enregistrez le corps de la requête dans un fichier nommé request.json
, puis exécutez la commande suivante :
$cred = gcloud auth print-access-token
$headers = @{ "Authorization" = "Bearer $cred" }
Invoke-WebRequest `
-Method POST `
-Headers $headers `
-ContentType: "application/json; charset=utf-8" `
-InFile request.json `
-Uri "https://LOCATION-aiplatform.googleapis.com/v1beta1/projects/PROJECT_ID/locations/LOCATION/exampleStores" | Select-Object -Expand Content
Vous devriez recevoir une réponse JSON semblable à celle ci-dessous, où EXAMPLE_STORE_ID représente l'ID de l'instance Example Store.
Réutiliser une instance de magasin d'exemples existante
Utilisez l'exemple suivant pour réutiliser une instance de magasin d'exemples existante pour un projet et un emplacement spécifiés.
Python
Avant d'essayer cet exemple, suivez les instructions de configuration pour Python décrites dans le guide de démarrage rapide de Vertex AI à l'aide des bibliothèques clientes. Pour en savoir plus, consultez la documentation de référence de l'API Vertex AI Python.
Pour vous authentifier auprès de Vertex AI, configurez le service Identifiants par défaut de l'application. Pour en savoir plus, consultez Configurer l'authentification pour un environnement de développement local.
import vertexai
from vertexai.preview import example_stores
vertexai.init(
project="PROJECT_ID",
location="LOCATION"
)
example_store = example_stores.ExampleStore(
"EXAMPLE_STORE_NAME")
Remplacez les éléments suivants :
- PROJECT_ID : ID de votre projet
- LOCATION : région dans laquelle vous souhaitez créer l'exemple de boutique. La seule région acceptée est
us-central1
. - EXAMPLE_STORE_NAME : nom de l'instance Example Store que vous souhaitez réutiliser.