UIからベクターインデックスを作成する
プロジェクトまたは Prompt Lab 内でベクターインデックス資産を作成し、ベクターデータストアに保存されたドキュメントからコンテンツを取得できます。
始める前に
watsonx.ai に登録済みでサンドボックスプロジェクトをお持ちの場合、すべての要件を満たしています。
以下の要件を満たす必要があります：
- プロジェクト内で管理者または編集者の役割を持っている必要があります。
- サードパーティのベクターストアを使用する場合は、ベクターインデックスを作成する前にデータストアへの接続をセットアップする必要があります。 詳細については、 「 Elasticsearch ベクターストアの設定」 および 「 watsonx.data ベクターストアの設定」 を参照してください。 Milvus
- 管理者は、ベクターインデックス資産セットで使用したいサポートされている埋め込みモデルおよびリランカーモデルをインストールする必要があります。
手順
グラウンディング・ドキュメントのベクター・インデックスを作成するには、以下のステップを踏んでください。 ステップの順序は、使用するベクターストアによって若干異なる場合があります。
プロジェクトの概要から、資産タブをクリックし、新しいアセット > ベクター化されたドキュメントによる地上波AIを選択します。
代わりに、チャット Prompt Lab モードで アイコン 文書によるグラウンディング
をクリックし、次に をクリックすることで開始 ベクトルインデックスを選択または作成できます。使用するベクターストアを選択し、ベクターインデックス資産に名前を付けます。
以下のいずれかの方法で接地文書を追加する：
プロジェクトに関連付けられたデータ資産からファイルを追加する
ブラウズしてファイルシステムからファイルをアップロードする
外部ベクターストアのみ: 接続されたベクターストアの既存コンテンツを利用するか、接続されたベクターストアに新しいコンテンツを追加できます。
接続されているデータソースを選択し、該当する場合はデータベースを選択し、Nextをクリックします。 ベクターストア内で、使用したいファイルを含む既存のインデックスまたはコレクションを選択してください。 新しいコンテンツを追加するには、 [新規インデックス ] または [ 新規コレクション ] をクリックし、名前を指定した後、ファイルをアップロードするかデータ資産に接続してドキュメントを追加します。
オプション： 該当する場合は、ドキュメントのベクトル化に使用する埋め込みモデルまたはベクトル化設定を選択します。
グラウンディング文書のサポートされるファイル形式はベクターストアによって異なります。
各種設定オプションの詳細については、 ベクターインデックス設定を参照してください。
外部ベクターストアのみ対象： 既存のインデックスまたはコレクションのフィールドを、 watsonx.ai 内のベクター 資産ックスアセットで定義された新規フィールドにマッピングします。 詳細は、 ベクターストアスキーマのフィールドマッピングを参照してください。
「Create」をクリックします。
ファイル内のテキストはベクトル化され、ベクトルはインデックス化されて新しいベクトルインデックスアセットに格納されます。
注。インデックスとコレクションの作成はノートブックでサポートされています。 gitベースのプロジェクトでは、ノートブックは現在サポートされていないため、新しいインデックスやコレクションを作成することはできません。 接続されているサードパーティのデータストアに新しいコンテンツを追加すると、以下の資産作成されます：
- ドキュメントをベクトル化し、サードパーティのデータストアにインデックスまたはコレクションを構築するジョブ実行される資産。
- 送信されたクエリをサードパーティデータストアのインデックスまたはコレクションに渡し、検索結果を得ることができる資産。
ベクターインデックス資産のテストと更新
資産作成されたら、ベクトル化されたドキュメントがどの程度質問に答えられるかをテストし、必要な調整を行うことができます。
チャットモード Prompt Lab でのみアイコン 文書によるグラウンディング
をクリックし、ベクトルインデックスを選択してからをクリックします ベクトルインデックスの詳細を表示。ベクター 資産ックスのアセット詳細ページから、 [テスト] タブをクリックし、テストクエリを送信して、接続されたベクターインデックスから返されるドキュメントのパッセージを表示します。
検索結果が不適切な場合、 クエリー設定を調整して応答を改善してください。
プロンプトに文脈情報として含める検索結果の数と種類を制御するには、 [検索設定の編集] をクリックします。 検索結果の取得をカスタマイズする方法の詳細については、 ベクターインデックス検索設定を参照してください。
回答が欠落しているか不完全な場合は、チャンクサイズとオーバーラップ設定を確認し、文書が適切にインデックス化されていることを確認してください。 「ベクトルインデックスの編集」 をクリックし、次に 「詳細設定」 を展開します。 現在の埋め込み設定を確認し、必要な変更を加えてください。
ヒント:Prompt Lab では、 基盤モデルンプト生成のための基盤モデルのパラメータを調整して回答を改善することもできます。 基盤モデルパラメータを編集するにはチャットテキストをクリアする必要がありますが、アップロードされたドキュメントは引き続きチャットに関連付けられたままとなります。 詳細については、 プロンプト用のモデルパラメータを参照してください。
ベクターインデックスを検索するために入力したクエリーが正確な文脈情報を返す場合、 「サンプル質問として追加」 をクリックしてクエリーを保存できます。
このベクターインデックス資産プロンプトに関連付けられている場合、保存されたサンプル質問は、 Prompt Lab のチャットモードからクイックスタートサンプルとして表示されます。
次の作業
文書セットを使用した検索支援生成（RAG）パターンを実験した後、生成AIアプリケーションで使用できるように、プロンプトのロジックをノートブックに保存する。
プロンプトをノートブックとして保存するときに、展開可能な gen AI フローオプションを選択します。 生成されるノートブックは、プロンプトテンプレート用の Python コードと、REST APIから利用可能なデプロイ可能な Python 関数を提供します。 詳細については、 「作業の保存」 を参照してください。