Yandex CloudCompatible with Milvus 2.6.x

Este tópico descreve como configurar e utilizar as funções de incorporação do Yandex Cloud no Milvus.

Escolher um modelo de incorporação

O Milvus suporta os modelos de vetorização de texto do Yandex Cloud AI Studio através do fornecedor yc. Nos parâmetros da função, defina « model_name » como o URI do modelo do Yandex Cloud que o Milvus deve chamar.

Por exemplo, o Yandex Text Embeddings para documentos utiliza um URI de modelo como emb://<folder_ID>/text-search-doc/latest e devolve vetores de 256 dimensões. Para conhecer os URIs de modelos e dimensões disponíveis, consulte Modelos de vetorização de texto.

Configurar credenciais

O Milvus precisa de conhecer a sua chave API do Yandex Cloud antes de poder solicitar embeddings. Pode configurar a chave API em milvus.yaml ou através de uma variável de ambiente.

Opção 1: Ficheiro de configuração

Guarde a sua chave de API em milvus.yaml e indique ao fornecedor Yandex Cloud o rótulo da credencial.

# milvus.yaml
credential:
  yandex_apikey:
    apikey: <YOUR_YC_API_KEY>

function:
  textEmbedding:
    providers:
      yc:
        credential: yandex_apikey
        # url: https://llm.api.cloud.yandex.net/foundationModels/v1/textEmbedding

Opção 2: Variável de ambiente

Se não estiver configurada nenhuma credencial correspondente em milvus.yaml, o Milvus pode ler a chave da API do Yandex Cloud a partir da seguinte variável de ambiente:

Variável	Obrigatória?	Descrição
MILVUS_YC_API_KEY	Sim	Chave da API do Yandex Cloud utilizada pelo serviço Milvus para aceder ao Yandex Cloud AI Studio.

Utilizar função de incorporação

Depois de configurar as credenciais, defina um esquema com um campo de texto de entrada e um campo de vetor de saída e, em seguida, adicione uma função de incorporação do Yandex Cloud ao esquema.

from pymilvus import MilvusClient, DataType, Function, FunctionType

client = MilvusClient(uri="http://localhost:19530")

schema = client.create_schema()
schema.add_field("id", DataType.INT64, is_primary=True, auto_id=False)
schema.add_field("document", DataType.VARCHAR, max_length=9000)
schema.add_field("dense", DataType.FLOAT_VECTOR, dim=256)

text_embedding_function = Function(
    name="yandex_cloud_embedding",
    function_type=FunctionType.TEXTEMBEDDING,
    input_field_names=["document"],
    output_field_names=["dense"],
    params={
        "provider": "yc",
        "model_name": "emb://<folder_ID>/text-search-doc/latest",
        "credential": "yandex_apikey",
        "dim": "256",
    },
)

schema.add_function(text_embedding_function)

Parâmetros específicos do Yandex Cloud

Parâmetro	Obrigatório?	Descrição	Valor / Exemplo
provider	Sim	O fornecedor do modelo de incorporação a utilizar.	"yc"
model_name	Sim	O URI do modelo do Yandex Cloud a ser chamado.	"emb://<folder_ID>/text-search-doc/latest"
credential	Não	O rótulo de uma credencial definida na secção de nível superior « credential: » em milvus.yaml.	"yandex_apikey"
dim	Não	A dimensão do vetor de saída. Se definida, o valor deve corresponder à dimensão do campo do vetor de saída.	"256"

Próximos passos

Após configurar a função de incorporação, consulte a Visão geral da função de incorporação para obter orientações sobre como criar índices, inserir dados e executar a pesquisa semântica.