Neste guia, você aprenderá a gerar suas primeiras incorporações vetoriais com o Voyage IA e a criar um aplicativo básico.
Criar uma chave de API do modelo
Para acessar os modelos de IA do Voyage, crie uma chave de API de modelo na IU do MongoDB Atlas.
Cadastre-se para uma conta Atlas gratuita ou faça login.
Se você é novo no Atlas, ele cria uma organização e um projeto para você.
Para saber mais, consulte Criar uma Conta Atlas.
Crie uma chave de API de modelo para seu projeto.
No seu projeto Atlas , selecione AI Model APIs na barra de navegação.
Clique em Create model API key.
Dê um nome à chave API e clique em Create.
Para aprender mais, consulte Gerenciar chaves de API do modelo Voyage AI.
Gerar Suas Primeiras Incorporações
Nesta seção, você gera incorporações vetoriais usando um modelo de incorporação Voyage AI e o cliente Python.
Crie seu script.
Crie um arquivo denominado quickstart.py em seu projeto e cole o seguinte código nele. Este código inicializa o cliente Voyage IA, define textos de exemplo e usa o cliente para acessar a API Voyage para gerar incorporações vetoriais com o modelo voyage-4-large.
Para obter detalhes,consulte Cliente Python ou navegue na especificação completa da API.
import voyageai # Initialize Voyage client vo = voyageai.Client() # Sample texts texts = [ "hello, world", "welcome to voyage ai!" ] # Generate embeddings result = vo.embed( texts, model="voyage-4-large" ) print(f"Generated {len(result.embeddings)} embeddings") print(f"Each embedding has {len(result.embeddings[0])} dimensions") print(f"First embedding (truncated): {result.embeddings[0][:5]}...")
Execute o roteiro.
Execute o seguinte comando no seu terminal para gerar as incorporações.
python quickstart.py
Generated 2 embeddings Each embedding has 1024 dimensions First embedding (truncated): [0.05843968689441681, -0.035438042134046555, -0.059422507882118225, -0.018386829644441605, -0.04523468762636185]...
Crie um Aplicativo RAG Básico
Agora que você sabe como gerar incorporações vetoriais, crie um aplicativo RAG básico para aprender como usar os modelos de Voyage AI para implementar a pesquisa e a recuperação de IA. O RAG permite que os LLMs gerem respostas sensíveis ao contexto, recuperando informações relevantes de seus dados antes de gerar respostas.
Observação
Aplicativos RAG exigem acesso a um LLM. Este tutorial fornece exemplos usando Athropic ou OpenAI, mas você pode usar qualquer fornecedor de LLM de sua escolha.
Resumo do aprendizado
Agora que você criou seu primeiro aplicativo com o Voyage AI, expanda as seções a seguir para saber mais sobre os conceitos abordados neste início rápido:
Próximos passos
Para continuar aprendendo, consulte os seguintes recursos:
Nível de habilidade | Recursos de documentação |
|---|---|
Básico | |
Intermediário |