المنهج الدراسي الدرس 156 من 250 · بناء خط أنابيب RAG
بناء خط أنابيب RAG

متجر ناقلات صغير

بمجرد تقسيم المستند إلى أجزاء وتحويل كل جزء إلى vector، ستحتاج إلى مكان لحفظ تلك الـ vectors وطريقة للسؤال "أي من الـ vectors المخزنة تشبه هذا الاستعلام أكثر؟" هذا هو vector store. تعتبر Pinecone و Chroma و FAISS و pgvector نسخاً إنتاجية لهذه الفكرة، لكن النواة صغيرة بما يكفي لبنائها يدوياً، وبناؤها مرة واحدة يعني أنك تفهم ما تفعله تلك الخدمات بالفعل.

مقياس الاسترجاع هو cosine similarity: جيب تمام الزاوية بين متجهين، a . b / (|a| |b|). إنه يكافئ المتجهات التي تشير إلى نفس الاتجاه ويتجاهل طولها، وهذا ما تريده للنصوص، حيث يمكن أن يتحدث نص طويل ونص قصير عن الشيء نفسه. الدرجة القريبة من 1 تعني "اتجاه مشابه جداً"؛ والقريبة من 0 تعني "غير مرتبط".

ستقوم ببناء class حتى يكون للمتجر ذاكرة بين الاستدعاءات. البوابة التي تحمي هذه الدروس لا تقوم بعمل stub لـ class methods، لذا فإن الحماية هنا هي أن search يجب أن يعيد correct nearest-neighbour order لعدة استعلامات مختلفة: فقط حسابات cosine الحقيقية تجيب عليها جميعاً بشكل صحيح.

import numpy as np

class VectorStore:
    def __init__(self):
        self.ids = []
        self.vectors = []

    def add(self, id, text, vector):
        self.ids.append(id)
        self.vectors.append(np.asarray(vector, dtype=float))

    def search(self, query_vec, k):
        q = np.asarray(query_vec, dtype=float)
        scored = []
        for vec_id, v in zip(self.ids, self.vectors):
            denom = np.linalg.norm(q) * np.linalg.norm(v)
            sim = float(q @ v / denom) if denom else 0.0
            scored.append((vec_id, sim))
        scored.sort(key=lambda pair: pair[1], reverse=True)
        return scored[:k]

ما الذي ستبنيه. نفذ class VectorStore باستخدام:

  • add(id, text, vector) تخزين المعرف، والنص، والمتجه (خزن المتجه كـ numpy array من floats).
  • __len__ لذا len(store) تعيد عدد العناصر المخزنة.
  • an ids attribute (a list) so callers can see what was added.
  • search(query_vec, k) تعيد أقرب k جيران كقائمة من (id, similarity) tuples مرتبة حسب التشابه تنازليا، الطول محدود بـ k.

استخدم numpy.argsort أو ترتيباً عادياً للدرجات. اضغط على Run لإضافة بعض المتجهات المصنفة ومعرفة أي منها يسترجعه الاستعلام أولاً.

دورك

قم بتنفيذ class VectorStore باستخدام add(id, text, vector) (تخزين id، وtext، وvector كـ numpy float array)، و__len__ لإرجاع عدد العناصر، وقائمة ids عامة، وsearch(query_vec, k) لإرجاع أعلى k (id, similarity) tuples حسب تشابه جيب التمام، الأعلى أولا، بحد أقصى k. يجب أن تحصل المتجهة الصفرية على درجة 0.0، ولا تسبب انهيارا.

هل لاحظت مشكلة في هذا الدرس؟ أبلغ عنها · اسأل عن هذا الدرس

سيفتح هذا التمرين قريبا

أنهِ الدرس السابق ليفتح هذا الدرس. الدورة كاملة مجانية، ولا تحتاج إلى حساب، ويمكنك قراءة هذا الدرس الآن.