Использование MixedBread с Vector DB#

MixedBread - уникальный поставщик услуг по предоставлению вложений во множестве областей. Их модели универсальны для различных задач поиска при интеграции с Platform V Vector DB (далее - Vector DB). MixedBread создает передовые модели и инструменты, делающие поиск умнее, быстрее и релевантнее. Если строите поисковик следующего поколения или системы RAG (системы генерации с улучшенным извлечением), либо улучшаете уже имеющееся решение для поиска, у них есть все необходимое для реализации задуманных целей.

Установка#

Можно установить необходимый пакет, используя следующую команду pip:

pip install mixedbread

Пример интеграции#

Ниже приведен пример того, как получить вложения с помощью API MixedBread и сохранить их в коллекции Vector DB:

import qdrant_client
from qdrant_client.models import Batch
from mixedbread import MixedBreadModel

# Initialize MixedBread model
model = MixedBreadModel("mixedbread-variant")

# Generate embeddings
text = "MixedBread provides versatile embeddings for various domains."
embeddings = model.embed(text)

# Initialize Qdrant client
qdrant_client = qdrant_client.QdrantClient(host="localhost", port=6333)

# Upsert the embedding into Qdrant
qdrant_client.upsert(
    collection_name="VersatileEmbeddings",
    points=Batch(
        ids=[1],
        vectors=[embeddings],
    )
)