Skip to main content

使用 OpenAI

info

家庭作业活动，如果您在家中自行完成，请执行此操作，不会在动手实验中覆盖。

OpenAI 是一家开发自然语言处理 AI 模型的公司。他们提供了一个免费的 API，您可以使用它为文档创建嵌入。该 API 称为 OpenAI 的嵌入 API。

要使用他们的 API 获取一些嵌入，您需要创建一个账户并获取一个 API 密钥。

创建 OpenAI 账户并获取 API 密钥​

要创建账户，请访问 https://openai.com/ 并点击右上角的“登录”按钮。这将重定向您到登录页面，您可以选择注册他们的服务。

OpenAI 注册页面

按照屏幕上的说明操作，并验证您的电子邮件地址。

一旦您有了账户，就可以转到 API 密钥页面 获取 API 密钥。

在那里，点击 创建新密钥 按钮。

OpenAI API 密钥页面

您将被提示给您的密钥命名。您可以将其称为“MongoDB 向量搜索演示”。然后点击 创建密钥 按钮。

然后会显示您的 API 密钥。复制它并保存在安全的地方。

OpenAI API 密钥
caution

请确保您将此密钥复制到某个地方以便稍后使用，之后您将无法再次看到它。

现在您有了 API 密钥，可以用它为您的文档创建嵌入。

为文档创建嵌入​

要通过发送 curl 命令到 OpenAI API 为您的文档创建嵌入，您可以使用以下命令。

OPENAI_API_KEY=<YOUR_API_KEY>
curl https://api.openai.com/v1/embeddings \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "input": "The food was delicious and the waiter...",
    "model": "text-embedding-ada-002"
  }'

您可以在 OpenAI 文档 中找到有关该 API 的更多信息。

为书籍创建嵌入​

要为您的集合中的书籍创建嵌入，您应该为每本书运行此 curl 命令，或使用 Node.js 库。这个过程有点耗时，所以我们已经为您创建了它们。

您可以在书籍的 embeddings 字段中找到 1586 维度的向量。

因为我们已经有了书籍的向量，所以我们可以用它们进行向量搜索。

使用向量进行查询​

要查询数据，向量搜索需要计算查询向量与集合中文档向量之间的距离。

为此，您需要向量化您的查询。您可以使用相同的函数来向量化您的查询。

在图书馆应用程序中，我们创建了一个函数来为您向量化查询。您可以在 server/src/embeddings/openai.ts 文件中找到它。

import OpenAI from 'openai';

const { EMBEDDING_KEY } = process.env;

let openai;

const getTermEmbeddings = async (text) => {
    if (!openai) {
        openai = new OpenAI({apiKey: EMBEDDING_KEY});
    }
    const embeddings = await openai.embeddings.create({
        model: 'text-embedding-ada-002',
        input: text,
    });
    return embeddings?.data[0]?.embedding;
};

export default getTermEmbeddings;

配置应用程序​

在 server/.env 文件中，您会找到一些变量，可以用来配置应用程序。

第一个是 EMBEDDINGS_SOURCE。它告诉应用程序从哪里获取嵌入。您可以将其设置为 openai。

现在您有了 OpenAI API 密钥，可以将