向量搜尋入門（第 2 部分）

在第 1 部分中，我們使用 pgvector 設定 PostgreSQL。現在，讓我們看看向量搜尋實際上是如何運作的。

內容

• 什麼是嵌入？
• 載入範例資料
• 探索向量搜尋
• 了解 PostgreSQL 運算子
• 後續步驟

什麼是嵌入？

嵌入就像數位內容的智慧摘要。兩個嵌入之間的距離顯示它們的相似程度。距離小表示向量非常相似，距離大表示它們相關性較低。

? Book A: Web Development  (Distance: 0.2) ⬅️ Very Similar!
? Book B: JavaScript 101   (Distance: 0.3) ⬅️ Similar!
? Book C: Cooking Recipes  (Distance: 0.9) ❌ Not Similar

載入樣本數據

現在，讓我們用一些資料填入我們的資料庫。我們將使用：

• 開放圖書資料的圖書館 API
• 用於建立嵌入的 OpenAI API
• pgvector 用於儲存和搜尋它們

專案結構

pgvector-setup/             # From Part 1
  ├── compose.yml
  ├── postgres/
  │   └── schema.sql
  ├── .env                  # New: for API keys
  └── scripts/              # New: for data loading
      ├── requirements.txt
      ├── Dockerfile
      └── load_data.py

建立腳本

讓我們從一個從外部 API 載入資料的腳本開始。完整的腳本在這裡。

設定資料載入

1. 創建.env：

OPENAI_API_KEY=your_openai_api_key

1. 更新 compose.yml 以新增資料載入器：

services:
  # ... existing db service from Part 1

  data_loader:
    build:
      context: ./scripts
    environment:
      - DATABASE_URL=postgresql://postgres:password@db:5432/example_db
      - OPENAI_API_KEY=${OPENAI_API_KEY}
    depends_on:
      - db

1. 載入資料：

docker compose up data_loader

您應該會看到 10 本程式設計書籍及其元資料。

探索向量搜尋

連接到您的資料庫：

docker exec -it pgvector-db psql -U postgres -d example_db

了解向量數據

讓我們看看嵌入其實是什麼樣的：

-- View first 5 dimensions of an embedding
SELECT
    name,
    (embedding::text::float[])[1:5] as first_5_dimensions
FROM items
LIMIT 1;

• 每個嵌入有 1536 個維度（使用 OpenAI 的模型）
• 值的範圍通常為 -1 到 1
• 這些數字代表語意

尋找類似的書籍

嘗試簡單的相似性搜尋：

-- Find 3 books similar to any book about Web
SELECT name, metadata
FROM items
ORDER BY embedding <-> (
    SELECT embedding
    FROM items
    WHERE metadata->>'title' LIKE '%Web%'
    LIMIT 1
)
LIMIT 3;

1. 找一本標題中帶有「Web」的書
2. 取得該書的嵌入（其數學表示）
3. 將此嵌入與所有其他書籍的嵌入進行比較
4. 取得3本最相似的書（距離最小）

了解 PostgreSQL 運算符

讓我們分解一下向量搜尋查詢中使用的運算子：

JSON 文字運算子：->>

從 JSON 欄位中擷取文字值。

範例：

-- If metadata = {"title": "ABC"}, it returns "ABC"
SELECT metadata->>'title' FROM items;

向量距離運算子：

測量兩個向量之間的相似性。

• 距離越小=越相似
• 距離越大=相似度越低

範例：

-- Find similar books
SELECT name, embedding <-> query_embedding as distance
FROM items
ORDER BY distance
LIMIT 3;

下一步

接下來，我們將：

• 建立 FastAPI 應用程式
• 建立搜尋端點
• 透過 API 存取我們的向量搜尋

敬請關注第 3 部分：「建立向量搜尋 API」！ ？

歡迎在下面留言！ ？

以上是向量搜尋入門（第 2 部分）的詳細內容。更多資訊請關注PHP中文網其他相關文章！