Este tutorial demuestra cómo implementar la generación de recuperación aumentada (RAG) localmente, sin necesidad de llaves o créditos de API. Para obtener más información sobre RAG, consulte generación de recuperación aumentada (RAG) con MongoDB.
En concreto, realizas las siguientes acciones:
Crea una implementación local de Atlas.
Configura el entorno.
Utiliza un modelo de embedding local para generar embebidos vectoriales.
Cree un índice de Búsqueda Vectorial de MongoDB en sus datos.
Utilice un LLM local para responder preguntas sobre sus datos.
En este tutorial, creas una implementación local de Atlas utilizando la Atlas CLI. Atlas CLI es la interfaz de línea de comandos para MongoDB Atlas y se puede usar Atlas CLI para interactuar con Atlas desde el terminal para varias tareas, incluyendo la creación de implementaciones locales de Atlas. Para obtener más información, consulta Administrar implementaciones locales y en la nube desde la Atlas CLI.
También puedes utilizar un clúster de Community o empresarial de MongoDB con Búsqueda y búsqueda vectorial instalado.
Nota
Las implementaciones locales de Atlas están destinadas únicamente a pruebas. Para entornos de producción, implemente un clúster.
Requisitos previos
Además de los requisitos previos comunes, este tutorial requiere lo siguiente:
Crear una implementación local
En esta sección, se crea una implementación local de Atlas cargada con el conjunto de datos con listados de AirBnB de muestra para usar como base de datos vectorial.
Nota
Si ya tienes una implementación local existente o un clúster MongoDB Community o Enterprise con Search and búsqueda vectorial instalado, con los datos de ejemplo sample_airbnb.listingsAndReviews cargados, puedes omitir este paso.
Crea una implementación local usando el Atlas CLI.
Ejecute atlas deployments setup y siga las indicaciones para crear una implementación local.
Para obtener instrucciones detalladas, consulte Crear una implementación local de Atlas.
Cargue los datos de muestra en su implementación.
Ejecute el siguiente comando en su terminal para descargar los datos de muestra:
curl https://atlas-education.s3.amazonaws.com/sampledata.archive -o sampledata.archive Ejecute el siguiente comando para cargar los datos en su implementación, reemplazando
<port-number>con el puerto donde está alojando la implementación:mongorestore --archive=sampledata.archive --port=<port-number> Nota
Debe instalar Herramientas de base de datos de línea de comandos de MongoDB para acceder al comando
mongorestore.
Configurar el entorno
Generar incrustaciones con un modelo local
En esta sección, cargas un modelo de incrustación localmente y generas incrustaciones vectoriales usando datos de la base de datos sample_airbnb, que contiene una colección llamada listingsAndReviews.
Este código puede tardar varios minutos en ejecutarse. Cuando termine, podrás ver las incrustaciones vectoriales conectándote a la implementación local desde mongosh o a tu aplicación mediante tu cadena de conexión de la implementación. Luego puedes ejecutar operaciones de lectura en la colección sample_airbnb.listingsAndReviews.
Tip
Es posible convertir los embebidos de los datos de muestra en vectores BSON para el almacenamiento eficiente y la ingestión de vectores en Atlas. Para obtener más información, consulta cómo convertir incrustaciones nativas a vectores BSON.
Cree el índice de búsqueda vectorial de MongoDB
Para habilitar la búsqueda vectorial en la colección sample_airbnb.listingsAndReviews, cree un índice de Búsqueda Vectorial en MongoDB.