An Mhúnla mistral-embed
Ar an leathanach seo
Forbhreathnú ar mistral-embed
Is é mistral-embed múnla ionchlúcháin téacs ó Mistral AI. Tiontaíonn sé aon téacs ina veicteoir 1024-toiseach, beag beann ar fhad an ionchuir – cibé an abairt ghairid nó mír iomlán atá i gceist, bíonn an méid céanna ag an veicteoir aschuir i gcónaí. Ní mionsonraí é an toiseacht sheasta seo: ligeann sé duit teideal táirge agus a thuairisc iomlán a innéacsú sa spás veicteora céanna, agus iad a chur i gcomparáid go díreach gan aon phróiseáil speisialta chun formáidí éagsúla a réiteach.
Tá an múnla seo optamaithe le haghaidh cuardaigh shéimeantigh, aicmithe, agus clustair ar théacs teanga nádúrtha (airteagail, doiciméid, comhráite, agus go leor eile). Bain úsáid as chun bonn eolais, Ceisteanna Coitianta (FAQ), tras-scríbhinní cruinnithe, nó deich mbliana ticéad tacaíochta a innéacsú.
Socrú agus Suiteáil
Sula nglaoifeá ar an API, suiteáil SDK Python Mistral agus cumraigh do eochair API:
# Installation
# pip install mistralai
import os
from mistralai.client import Mistral
# Initialize the client
api_key = os.environ.get("MISTRAL_API_KEY")
client = Mistral(api_key=api_key)
Faigh do eochair API ó chonsól Mistral. Stóráil é in athróg timpeallachta chun é a choinneáil as do chód. Ní sláintíochas teoiriciúil amháin é léamh trí os.environ.get: coscaíonn sé do eochair ó chríoch i scáthghrianghraf staire Git an lá a théann do thionscadal poiblí.
Ionchlúcháin a Ghiniúint
Tá an glao API simplí go leor: cuir liosta téacsanna isteach agus faigh na veicteoirí comhfhreagracha. Tabhair faoi deara nach mór an t-ionchur a bheith ina liosta fiú amháin do théacs amháin – oibríonn an API i mbaitseanna i gcónaí, rud a íocann as féin chomh luath agus a fhásann do chorpas.
from mistralai.client import Mistral
client = Mistral(api_key=api_key)
# Generate embeddings for one or more texts
response = client.embeddings.create(
model="mistral-embed",
inputs=[
"Embeddings capture semantic meaning.",
"Mistral AI offers high-performance models.",
"RAG improves response quality."
],
)
# Access the vectors
for i, data in enumerate(response.data):
print(f"Text {i+1}: vector of {len(data.embedding)} dimensions")
print(f" First elements: {data.embedding[:5]}")
Aschur tipiciúil:
Text 1: vector of 1024 dimensions
First elements: [0.0234, -0.1567, 0.0891, 0.0123, -0.0456]
Text 2: vector of 1024 dimensions
First elements: [0.0189, -0.1234, 0.0678, 0.0345, -0.0567]
Text 3: vector of 1024 dimensions
First elements: [0.0312, -0.1456, 0.0789, 0.0234, -0.0345]
Struchtúr Freagartha an API
Ní veicteoirí amháin atá sa fhreagra. Inseoidh sé duit freisin cén múnla a úsáideadh go díreach agus líon na dtócan a tomhlaíodh – dhá phíosa eolais ar mhaith leat a logáil nuair a bheidh an t-ionchódú ag rith sa táirgeadh agus nuair a bheidh ar dhuine an bille a mhíniú. Tabhair aird ar leith ar an réimse index: léiríonn sé suíomh an téacs sa liosta a sheol tú, rud a ligeann duit gach veicteoir a mhapáil ar ais chuig a dhoiciméad foinseach.
response = client.embeddings.create(
model="mistral-embed",
inputs=["Example text to encode."],
)
# Response object
print(response.model) # "mistral-embed"
print(response.usage) # tokens consumed
# Embedding data
embedding_data = response.data[0]
print(embedding_data.index) # 0 (position in the inputs list)
print(len(embedding_data.embedding)) # 1024
print(type(embedding_data.embedding)) # list[float]
Sampla Iomlán: Ionchódú agus Stóráil
Seo píblíne tipiciúil chun corpas doiciméad a ionchódú agus veicteoirí a ullmhú le haghaidh cuardaigh ina dhiaidh sin. Is é an t-aistriú go NumPy an chéim ríthábhachtach: cé gur liostaí Python iad do veicteoirí, tarlaíonn gach ríomh cosúlachta eilimint ar eilimint; nuair a thógann tú maitrís, déanann oibríocht amháin an t-iarraidh a chur i gcomparáid leis an gcorpas iomlán.
import numpy as np
from mistralai.client import Mistral
client = Mistral(api_key=api_key)
# Document corpus
documents = [
"Mistral AI is a French artificial intelligence company.",
"RAG combines information retrieval and text generation.",
"Embeddings enable semantic search.",
"Python is the most widely used language in data science.",
"FAISS is a vector search library by Meta.",
]
# Encode all documents
response = client.embeddings.create(
model="mistral-embed",
inputs=documents,
)
# Convert to a NumPy matrix for calculations
embeddings_matrix = np.array([d.embedding for d in response.data])
print(f"Embeddings matrix: {embeddings_matrix.shape}")
# Embeddings matrix: (5, 1024)
# Save for later use
np.save("document_embeddings.npy", embeddings_matrix)
Seachnaíonn sábháil mar .npy íoc as ath-ionchódú gach uair a atosóidh d’iarratas. Ar chorpas de roinnt mílte doiciméad, is é seo an difríocht idir tosú meandrach agus roinnt nóiméad de ghlaoithe API billeáilte.
Teorainneacha agus Dea-Chleachtais
Cinntíonn ceithre fhachtóir cáilíocht do thorthaí. Ar an gcéad dul síos, an fad uasta: gearrann an múnla téacsanna atá ró-fhada, agus tá an gearradh ciúin – beidh tuairisc daichead leathanach a ionchódaítear i mbloc amháin ionadaíoch go héifeachtach ar a thús amháin. Roghnaigh píosaí de 512 go 2048 tócan, rud a chlúdaítear sa cheacht ar phíosaíocht (chunking).
Sa dara háit, murab ionann agus roinnt API eile, ní dhéanann mistral-embed idirdhealú idir query agus document: níl aon chineál ionchuir ann, ní chuireann tú ach an téacs isteach. Go praiticiúil, téann ceisteanna úsáideora agus doiciméid innéacsaithe tríd an nglao céanna leis na paraiméadair chéanna, rud a shimplíonn do chód cuardaigh.
Is é an tríú pointe ná costas: billeáiltear ionchlúcháin in aghaidh an tócan. Cosnaíonn míle doiciméad a ionchódú ceann ar cheann an méid céanna i dtócan agus iad a ionchódú i mbaitse, ach méadaíonn sé turais líonra agus am próiseála; déanann tú optamú trí ghlaoithe a bhaitseáil, rud atá mar ábhar don chéad cheacht eile ar bhaitseáil. Ar deireadh, oibríonn cinnteachas chun do leasa: don téacs céanna, filleann an múnla an veicteoir céanna i gcónaí. Dá bhrí sin, is féidir leat ionchlúcháin a chur i dtaisce de réir haise téacs agus ní dhéanfaidh tú ach ath-ionchódú ar an méid a d’athraigh go díreach idir dhá leagan de dhoiciméad.
Príomhphointí
- Cruthaíonn mistral-embed veicteoirí 1024-toiseach d’aon téacs
- Glacann an API le liosta ionchur agus filleann sé na veicteoirí comhfhreagracha
- Is liostaí snámhphointe iad na veicteoirí, atá in-tiontaithe go héasca go maitrísí NumPy
- Stóráil do ionchlúcháin mar mhaitrís NumPy le haghaidh ríomhaireachtaí cosúlachta
- Cuimhnigh téacsanna fada a roinnt sula ndéanann tú iad a ionchódú