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.
Requisitos previos
Además de los requisitos previos comunes, este tutorial requiere lo siguiente:
Crear una implementación local
Configurar el entorno
Generar incrustaciones con un modelo local
En esta sección, carga un modelo de incrustación localmente y genera incrustaciones vectoriales utilizando datos de la base de datos sample_airbnb, que contiene una colección denominada 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
Puedes convertir las incrustaciones en los datos de muestra en vectores BSON para un almacenamiento eficiente y la ingesta de vectores en Atlas. Para aprender más, consulta cómo convertir incrustaciones nativas en 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.