Вложения Jina#

Platform V Vector DB (далее - Vector DB) совместим с вложениями от Jina AI. Можно получить бесплатный пробный ключ от Jina Embeddings.

Техническое резюме#

Модель

Размерность

Язык

MRL

Контекст

jina-clip-v2

1024

Многоязычный (более 100 языков, акцент на 30 из них)

Да

Текст/Изображение

jina-embeddings-v3

1024

Многоязычный (89 языков)

Да

8192

jina-embeddings-v2-base-en

768

Английский

Нет

8192

jina-embeddings-v2-base-de

768

Немецкий & Английский

Нет

8192

jina-embeddings-v2-base-es

768

Испанский & Английский

Нет

8192

jina-embeddings-v2-base-zh

768

Китайский & Английский

Нет

8192

Jina рекомендует использовать jina-embeddings-v3 для задач только с текстом и jina-clip-v2 для мультимодальных задач или когда требуется улучшенное визуальное извлечение данных.

На основе базовой модели jina-embeddings-v3 была обучена с использованием пяти специализированных адаптеров для различных целей использования вложений. Включите task в запрос, чтобы оптимизировать приложение:

  • retrieval.query: используется для кодирования запросов пользователей или вопросов при выполнении задач поиска информации.

  • retrieval.passage: используется для кодирования больших документов во время индексирования при выполнении задач поиска информации.

  • classification: используется для кодирования текста в задачах классификации текстов.

  • text-matching: используется для кодирования текста для сопоставления по сходству, например, измерения сходства между двумя предложениями.

  • separation: используется для кластеризации или ранжирования результатов.

jina-embeddings-v3 и jina-clip-v2 поддерживают обучение представлению Matryoshka, позволяя пользователям контролировать размерность вложений с минимальными потерями производительности. Добавьте dimensions в запрос, чтобы выбрать желаемую размерность.
По умолчанию значение параметра размерности установлено равным 1024, рекомендуется выбирать число от 256 до 1024. Можно обратиться к таблице ниже за подсказками о соотношении размерности и производительности:

Размерность

32

64

128

256

512

768

1024

Средняя производительность поиска (nDCG@10)

52.54

58.54

61.64

62.72

63.16

63.3

63.35

jina-embeddings-v3 поддерживает технологию позднего разбиения на части, позволяющую воспользоваться возможностями модели обработки длинных контекстов для создания контекстных вложений частей. Добавьте late_chunking=True в запрос, чтобы включить представление контекстно-зависимых частей. При установке значения true API-интерфейс Jina AI объединит все предложения в поле ввода и передаст их модели в виде одной строки. Внутри модель встраивает эту длинную конкатенированную строку, а затем выполняет позднее разбиение на части, возвращая список вложений, соответствующий размеру входного списка.

Пример#

Jina Embeddings v3#

Приведенный ниже код демонстрирует, как использовать jina-embeddings-v3 с Vector DB:

import requests

import qdrant_client
from qdrant_client.models import Distance, VectorParams, Batch

# Provide Jina API key and choose one of the available models.
JINA_API_KEY = "jina_xxxxxxxxxxx"
MODEL = "jina-embeddings-v3"
DIMENSIONS = 1024 # Or choose your desired output vector dimensionality.
TASK = 'retrieval.passage' # For indexing, or set to retrieval.query for querying

# Get embeddings from the API
url = "https://api.jina.ai/v1/embeddings"

headers = {
    "Content-Type": "application/json",
    "Authorization": f"Bearer {JINA_API_KEY}",
}

data = {
    "input": ["Your text string goes here", "You can send multiple texts"],
    "model": MODEL,
    "dimensions": DIMENSIONS,
    "task": TASK,
    "late_chunking": True,
}

response = requests.post(url, headers=headers, json=data)
embeddings = [d["embedding"] for d in response.json()["data"]]


# Index the embeddings into {{prod_name}}
client = qdrant_client.QdrantClient(":memory:")
client.create_collection(
    collection_name="MyCollection",
    vectors_config=VectorParams(size= DIMENSIONS, distance=Distance.DOT),
)


qdrant_client.upsert(
    collection_name="MyCollection",
    points=Batch(
        ids=list(range(len(embeddings))),
        vectors=embeddings,
    ),
)

Jina CLIP v2#

Приведенный ниже код демонстрирует, как использовать jina-clip-v2 с Vector DB:

import requests
from qdrant_client import QdrantClient
from qdrant_client.models import Distance, VectorParams, PointStruct

# Provide your Jina API key and choose the model.
JINA_API_KEY = "jina_xxxxxxxxxxx"
MODEL = "jina-clip-v2"
DIMENSIONS = 1024  # Set the desired output vector dimensionality.

# Define the inputs
text_input = "A blue cat"
image_url = "https://i.pinimg.com/600x315/21/48/7e/21487e8e0970dd366dafaed6ab25d8d8.jpg"

# Get embeddings from the Jina API
url = "https://api.jina.ai/v1/embeddings"
headers = {
    "Content-Type": "application/json",
    "Authorization": f"Bearer {JINA_API_KEY}",
}
data = {
    "input": [
        {"text": text_input},
        {"image": image_url},
    ],
    "model": MODEL,
    "dimensions": DIMENSIONS,
}

response = requests.post(url, headers=headers, json=data)
response_data = response.json()["data"]

# The model doesn't differentiate between images and text, so we extract output based on the input order.
text_embedding = response_data[0]["embedding"]
image_embedding = response_data[1]["embedding"]

# Initialize Qdrant client
client = QdrantClient(url="http://localhost:6333/")

# Create a collection with named vectors
collection_name = "MyCollection"
client.recreate_collection(
    collection_name=collection_name,
    vectors_config={
        "text_vector": VectorParams(size=DIMENSIONS, distance=Distance.DOT),
        "image_vector": VectorParams(size=DIMENSIONS, distance=Distance.DOT),
    },
)

client.upsert(
    collection_name=collection_name,
    points=[
        PointStruct(
            id=0,
            vector={
                "text_vector": text_embedding,
                "image_vector": image_embedding,
            }
        )
    ],
)

# Now let's query the collection
search_query = "A purple cat"

# Get the embedding for the search query from the Jina API
url = "https://api.jina.ai/v1/embeddings"
headers = {
    "Content-Type": "application/json",
    "Authorization": f"Bearer {JINA_API_KEY}",
}
data = {
    "input": [{"text": search_query}],
    "model": MODEL,
    "dimensions": DIMENSIONS,
    # "task": "retrieval.query" # Uncomment this line for text-to-text retrieval tasks
}

response = requests.post(url, headers=headers, json=data)
query_embedding = response.json()["data"][0]["embedding"]

search_results = client.query_points(
    collection_name=collection_name,
    query=query_embedding,
    using="image_vector",
    limit=5
).points

for result in search_results:
    print(f"ID: {result.id}, Score: {result.score}")