diff --git a/tutorials/_ai-vector-search/ai-vector101-always-free-adb.md b/tutorials/_ai-vector-search/ai-vector101-always-free-adb.md index fb1977c8b8..2d383b581c 100644 --- a/tutorials/_ai-vector-search/ai-vector101-always-free-adb.md +++ b/tutorials/_ai-vector-search/ai-vector101-always-free-adb.md @@ -39,13 +39,17 @@ Always FreeのADBでは、2024年5月にリリースとなった**Oracle Databas # 1. リージョンの確認 Always Free Autonomous Database上でのOracle Database 23aiは、 -
現時点では、以下の4リージョンのみでご利用いただけます： - - Tokyo - - Ashburn - - Phoenix - - Paris - - London - +
2025/01時点では、以下のリージョンでご利用いただけます： + - フェニックス(PHX) + - アッシュバーン(IAD) + - ロンドン(LHR) + - パリ(CDG) + - シドニー(SYD) + - ムンバイ(BOM) + - シンガポール(SIN) + - 東京(NRT) + + 最新のリージョン一覧は[こちら](https://docs.oracle.com/ja-jp/iaas/autonomous-database-serverless/doc/autonomous-always-free.html#:~:text=Oracle%20Database%2023ai%E3%82%92%E4%BD%BF%E7%94%A8%E3%81%97%E3%81%9FAlways%20Free%20Autonomous%20Database%E3%81%AE%E3%83%8E%E3%83%BC%E3%83%88%3A){:target="_blank"}をご参照ください。 お使いのテナンシーの**ホーム・リージョン**が上記のリージョンのいずれか、
かつ、**ホーム・リージョン**でADBのインスタンスを作成する必要があります。 diff --git a/tutorials/_ai-vector-search/ai-vector104-file-to-embedding.md b/tutorials/_ai-vector-search/ai-vector104-file-to-embedding.md index b2f535dac3..eeec1cbdff 100644 --- a/tutorials/_ai-vector-search/ai-vector104-file-to-embedding.md +++ b/tutorials/_ai-vector-search/ai-vector104-file-to-embedding.md @@ -33,7 +33,19 @@ header: ※インスタンス作成方法については。[101 : Always Freeで23aiのADBインスタンスを作成してみよう](https://oracle-japan.github.io/ocitutorials/ai-vector-search/ai-vector101-always-free-adb/)をご参照ください。 -- OCI GenAIのサービスをご利用いただけるChicagoのRegionはサブスクリプション済みであること。 +- AI Vector Searchの基本的な操作を学習済みであること +
[103 : Oracle AI Vector Searchの基本操作を試してみよう](/ocitutorials/ai-vector-search/ai-vector103-basics/)を参照ください。 + +- OCI GenAI Serviceをご利用いただけるリージョンはサブスクリプション済みであること。 + + ※2025/01時点で、利用可能なリージョンは以下です。 + - サンパウロ(GRU) + - フランクフルト(FRA) + - 大阪(KIX) + - ロンドン(LHR) + - シカゴ(ORD) + + 最新のリージョン一覧は[こちら](https://docs.oracle.com/ja-jp/iaas/Content/generative-ai/pretrained-models.htm){:target="_blank"}をご参照ください。本チュートリアルで使用するテキスト生成モデル、エンベッディングモデルについては、将来的にモデルの廃止が行われることがあるため、廃止日や置換モデルのリリース情報を[こちら](https://docs.oracle.com/ja-jp/iaas/Content/generative-ai/deprecating.htm){:target="_blank"}から確認のうえ、最新のモデルを使用することを推奨します。以降のチュートリアルでは、エンベッディングモデルにcohere.embed-multilingual-v3.0、テキスト生成モデルにcohere.command-r-plus-08-2024を使用します。これらが最新になっているか上記リンクよりご確認ください。また大阪リージョンの利用が前提となっているため、それ以外のリージョンの場合は適宜サービス・エンドポイントを修正してください。
@@ -362,11 +374,13 @@ SQL*Plusの出力をよりわかりやすいように、SQL*Plusの環境設定 PL/SQLプロシージャが正常に完了しました。 ``` -OCI GenAIサービスを利用するためのパラメータを設定します。 +OCI GenAIサービスを利用するためのパラメータを設定します。今回はOCI Generative AI Serviceのembed-multilingual-v3.0というモデルを利用します。 + +※urlには大阪リージョンのエンドポイントを指定していますが、サブスクライブしているリージョンによってここからの手順では適宜修正してください。最新のリージョン一覧は[こちら](https://docs.oracle.com/ja-jp/iaas/Content/generative-ai/pretrained-models.htm){:target="_blank"}をご参照ください。例えばロンドンの場合は、urlには*https://inference.generativeai.uk-london-1.oci.oraclecloud.com*と指定します。 ```sql var embed_genai_params clob; - exec :embed_genai_params := '{"provider": "ocigenai", "credential_name": "OCI_CRED", "url": "https://inference.generativeai.us-chicago-1.oci.oraclecloud.com/20231130/actions/embedText", "model": "cohere.embed-multilingual-v3.0"}'; + exec :embed_genai_params := '{"provider": "ocigenai", "credential_name": "OCI_CRED", "url": "https://inference.generativeai.ap-osaka-1.oci.oraclecloud.com/20231130/actions/embedText", "model": "cohere.embed-multilingual-v3.0"}'; ``` 上記の設定を検証してみます。 @@ -425,7 +439,7 @@ OCI GenAIサービスを利用するためのパラメータを設定します documentation_tab dt, dbms_vector_chain.utl_to_embeddings( dbms_vector_chain.utl_to_chunks(dbms_vector_chain.utl_to_text(dt.data), json('{"max": "400", "overlap": "20", "language": "JAPANESE", "normalize": "all"}')), - json('{"provider": "ocigenai", "credential_name": "OCI_CRED", "url": "https://inference.generativeai.us-chicago-1.oci.oraclecloud.com/20231130/actions/embedText", "model": "cohere.embed-multilingual-v3.0"}') + json('{"provider": "ocigenai", "credential_name": "OCI_CRED", "url": "https://inference.generativeai.ap-osaka-1.oci.oraclecloud.com/20231130/actions/embedText", "model": "cohere.embed-multilingual-v3.0"}') ) t, JSON_TABLE( t.column_value, @@ -736,7 +750,7 @@ object_uriには前に手順でメモをしたURIパスを入力します。 documentation_tab dt, dbms_vector_chain.utl_to_embeddings( dbms_vector_chain.utl_to_chunks(dbms_vector_chain.utl_to_text(dt.data), json('{"max": "400", "overlap": "20", "language": "JAPANESE", "normalize": "all"}')), - json('{"provider": "ocigenai", "credential_name": "OCI_CRED", "url": "https://inference.generativeai.us-chicago-1.oci.oraclecloud.com/20231130/actions/embedText", "model": "cohere.embed-multilingual-v3.0"}') + json('{"provider": "ocigenai", "credential_name": "OCI_CRED", "url": "https://inference.generativeai.ap-osaka-1.oci.oraclecloud.com/20231130/actions/embedText", "model": "cohere.embed-multilingual-v3.0"}') ) t, JSON_TABLE( t.column_value, @@ -768,7 +782,7 @@ object_uriには前に手順でメモをしたURIパスを入力します。 FROM doc_chunks ORDER BY vector_distance(embed_vector , (SELECT to_vector(et.embed_vector) embed_vector FROM - dbms_vector_chain.utl_to_embeddings('コーポレート・ガバナンスに関する基本的な考え方', JSON('{"provider": "ocigenai", "credential_name": "OCI_CRED", "url": "https://inference.generativeai.us-chicago-1.oci.oraclecloud.com/20231130/actions/embedText", "model": "cohere.embed-multilingual-v3.0"}')) t, + dbms_vector_chain.utl_to_embeddings('コーポレート・ガバナンスに関する基本的な考え方', JSON('{"provider": "ocigenai", "credential_name": "OCI_CRED", "url": "https://inference.generativeai.ap-osaka-1.oci.oraclecloud.com/20231130/actions/embedText", "model": "cohere.embed-multilingual-v3.0"}')) t, JSON_TABLE (t.column_value, '$[*]' COLUMNS ( embed_id NUMBER PATH '$.embed_id', diff --git a/tutorials/_ai-vector-search/ai-vector105-multi-vector-search.md b/tutorials/_ai-vector-search/ai-vector105-multi-vector-search.md index abcd5b32de..9bcffc5b18 100644 --- a/tutorials/_ai-vector-search/ai-vector105-multi-vector-search.md +++ b/tutorials/_ai-vector-search/ai-vector105-multi-vector-search.md @@ -19,16 +19,30 @@ header: **前提条件 :** -* Oracle Database 23ai Freeをインストールする済みであること -
※インストール方法については、[102 : 仮想マシンへOracle Database 23ai Freeをインストールしてみよう](/ocitutorials/ai-vector-search/ai-vector102-23aifree-install){:target="_blank"} を参照ください。 - -* AI Vector Searchの基本的な操作を学習済みであること -
[103 ~](/ocitutorials/ai-vector-search/ai-vector103-basics/){:target="_blank"}を参照ください。 - -* OCI Generative AI Serviceを使用できること - - OCI GenAI Serviceをご利用いただけるChicago Regionはサブスクリプション済みであること。 - - - OCI アカウントのAPI署名キーの生成は完了であること +- 使用するOracle Databaseの環境があること + - 23ai freeで実行する場合、Oracle Database 23ai Freeをインストールする済みであること + + ※インストール方法については、[102 : 仮想マシンへOracle Database 23ai Freeをインストールしてみよう](https://oracle-japan.github.io/ocitutorials/ai-vector-search/ai-vector102-23aifree-install/) を参照ください。 + + - ADB23aiで実行する場合、Autonomous Database 23aiのインスタンスを構築済みであること。本記事では無償で使えるAlways Freeを使います。 + + ※インスタンス作成方法については。[101 : Always Freeで23aiのADBインスタンスを作成してみよう](https://oracle-japan.github.io/ocitutorials/ai-vector-search/ai-vector101-always-free-adb/)をご参照ください。 + +- AI Vector Searchの基本的な操作を学習済みであること +
[103 : Oracle AI Vector Searchの基本操作を試してみよう](/ocitutorials/ai-vector-search/ai-vector103-basics/)を参照ください。 + +- OCI GenAI Serviceをご利用いただけるリージョンはサブスクリプション済みであること。 + + ※2025/01時点で、利用可能なリージョンは以下です。 + - サンパウロ(GRU) + - フランクフルト(FRA) + - 大阪(KIX) + - ロンドン(LHR) + - シカゴ(ORD) + + 最新のリージョン一覧は[こちら](https://docs.oracle.com/ja-jp/iaas/Content/generative-ai/pretrained-models.htm){:target="_blank"}をご参照ください。本チュートリアルで使用するテキスト生成モデル、エンベッディングモデルについては、将来的にモデルの廃止が行われることがあるため、廃止日や置換モデルのリリース情報を[こちら](https://docs.oracle.com/ja-jp/iaas/Content/generative-ai/deprecating.htm){:target="_blank"}から確認のうえ、最新のモデルを使用することを推奨します。以降のチュートリアルでは、エンベッディングモデルにcohere.embed-multilingual-v3.0、テキスト生成モデルにcohere.command-r-plus-08-2024を使用します。これらが最新になっているか上記リンクよりご確認ください。また大阪リージョンの利用が前提となっているため、それ以外のリージョンの場合は適宜サービス・エンドポイントを修正してください。 + +- OCI アカウントのAPI署名キーの生成は完了であること
以下の情報を取得してください。必要があれば、[API署名キーの生成方法](https://docs.oracle.com/ja-jp/iaas/Content/API/Concepts/apisigningkey.htm#two){:target="_blank"}をご参照ください。 - `user` - キー・ペアが追加されるユーザーのOCID。 - `fingerprint` - 追加されたキーのフィンガープリント。 @@ -255,7 +269,7 @@ from json('{"max": "35", "overlap": "0", "language": "JAPANESE", "normalize": "all"}')) t, JSON_TABLE(t.column_value, '$[*]' COLUMNS (chunk_id NUMBER PATH '$.chunk_id', chunk_data VARCHAR2(4000) PATH '$.chunk_data')) et; UPDATE doc_chunks -SET embed_vector = dbms_vector_chain.utl_to_embedding(embed_data, json('{"provider": "ocigenai", "credential_name": "OCI_CRED", "url": "https://inference.generativeai.us-chicago-1.oci.oraclecloud.com/20231130/actions/embedText", "model": "cohere.embed-multilingual-v3.0"}') +SET embed_vector = dbms_vector_chain.utl_to_embedding(embed_data, json('{"provider": "ocigenai", "credential_name": "OCI_CRED", "url": "https://inference.generativeai.ap-osaka-1.oci.oraclecloud.com/20231130/actions/embedText", "model": "cohere.embed-multilingual-v3.0"}') ); COMMIT; @@ -266,7 +280,7 @@ COMMIT; ```sql INSERT INTO doc_queries (query, embedding) select et.embed_data query, to_vector(et.embed_vector) embedding -from dbms_vector_chain.utl_to_embeddings('彼は新しいプロジェクトの提案で成功を収めました。', json('{"provider": "ocigenai", "credential_name": "OCI_CRED", "url": "https://inference.generativeai.us-chicago-1.oci.oraclecloud.com/20231130/actions/embedText", "model": "cohere.embed-multilingual-v3.0"}')) t, JSON_TABLE(t.column_value, '$[*]' COLUMNS (embed_data VARCHAR2(4000) PATH '$.embed_data', embed_vector CLOB PATH '$.embed_vector')) et; +from dbms_vector_chain.utl_to_embeddings('彼は新しいプロジェクトの提案で成功を収めました。', json('{"provider": "ocigenai", "credential_name": "OCI_CRED", "url": "https://inference.generativeai.ap-osaka-1.oci.oraclecloud.com/20231130/actions/embedText", "model": "cohere.embed-multilingual-v3.0"}')) t, JSON_TABLE(t.column_value, '$[*]' COLUMNS (embed_data VARCHAR2(4000) PATH '$.embed_data', embed_vector CLOB PATH '$.embed_vector')) et; COMMIT; ``` diff --git a/tutorials/_ai-vector-search/ai-vector106-23ai-langchain-rag.md b/tutorials/_ai-vector-search/ai-vector106-23ai-langchain-rag.md index b6b944ebd3..26e18af61b 100644 --- a/tutorials/_ai-vector-search/ai-vector106-23ai-langchain-rag.md +++ b/tutorials/_ai-vector-search/ai-vector106-23ai-langchain-rag.md @@ -19,10 +19,21 @@ header: 構成に利用するサービスは以下の通りです。 -- テキスト生成モデル：OCI Generative AI(Command R Plus) -- ドキュメントデータのベクトル化に利用するモデル : Oracle Cloud Generative AI Service(embed-multilingual-v3.0) +- テキスト生成モデル：OCI Generative AI(cohere.command-r-plus-08-2024) + + ※2025/01時点で、利用可能なリージョンは以下です。 + - サンパウロ(GRU) + - フランクフルト(FRA) + - 大阪(KIX) + - ロンドン(LHR) + - シカゴ(ORD) + + 最新のリージョン一覧は[こちら](https://docs.oracle.com/ja-jp/iaas/Content/generative-ai/pretrained-models.htm){:target="_blank"}をご参照ください。 +- ドキュメントデータのベクトル化に利用するモデル : Oracle Cloud Generative AI Service(cohere.embed-multilingual-v3.0) - ベクトルデータベース: Oracle Database 23ai Free(OCI Computeにインストール)、Base Database Service、Autonomous Database(Always Free) +本チュートリアルで使用するテキスト生成モデル、エンベッディングモデルについては、将来的にモデルの廃止が行われることがあるため、廃止日や置換モデルのリリース情報を[こちら](https://docs.oracle.com/ja-jp/iaas/Content/generative-ai/deprecating.htm){:target="_blank"}から確認のうえ、最新のモデルを使用することを推奨します。本チュートリアルでは、エンベッディングモデルにcohere.embed-multilingual-v3.0、テキスト生成モデルにcohere.command-r-plus-08-2024を使用します。これらが最新になっているか上記リンクよりご確認ください。 + ※LangChainって何？という方は[こちらの記事](https://qiita.com/ksonoda/items/ba6d7b913fc744db3d79#langchain) をご参照ください。 また、本チュートリアルではAI Vector Searchの以下のチュートリアルを実施済みであることが前提となっています。 @@ -385,10 +396,12 @@ from langchain_community.embeddings import OCIGenAIEmbeddings 利用する埋め込みモデルを定義します。今回はOCI Generative AI Serviceのembed-multilingual-v3.0というモデルを利用します。 +※service_endpointには大阪リージョンのエンドポイントを指定していますが、サブスクライブしているリージョンによって適宜修正してください。最新のリージョン一覧は[こちら](https://docs.oracle.com/ja-jp/iaas/Content/generative-ai/pretrained-models.htm){:target="_blank"}をご参照ください。例えばロンドンの場合は、service_endpointには*https://inference.generativeai.uk-london-1.oci.oraclecloud.com*と指定します。 + ```python embeddings = OCIGenAIEmbeddings( model_id="cohere.embed-multilingual-v3.0", - service_endpoint="https://inference.generativeai.us-chicago-1.oci.oraclecloud.com", + service_endpoint="https://inference.generativeai.ap-osaka-1.oci.oraclecloud.com", # compartment_idはご自身が利用されているコンパートメントのOCIDを指定してください compartment_id="ocid1.compartment.oc1..aaaaaaaxxxxxxx", ) @@ -664,15 +677,15 @@ template = """contextに従って回答してください: prompt = ChatPromptTemplate.from_template(template) ``` -次にテキスト生成モデルを指定します。まずはGenerative AI Serviceの command-r-plusです。 +次にテキスト生成モデルを指定します。まずはGenerative AI Serviceのcommand-r-plus-08-2024です。 ```python from langchain_community.chat_models.oci_generative_ai import ChatOCIGenAI llm = ChatOCIGenAI( - # model_id="cohere.command-r-16k", - model_id="cohere.command-r-plus", - service_endpoint="https://inference.generativeai.us-chicago-1.oci.oraclecloud.com", + # model_id="cohere.command-r-08-2024", + model_id="cohere.command-r-plus-08-2024", + service_endpoint="https://inference.generativeai.ap-osaka-1.oci.oraclecloud.com", compartment_id="ocid1.compartment.oc1..xxxxxxxxxxxxxxxxxxx", model_kwargs={"temperature": 0.7, "max_tokens": 500}, ) @@ -744,7 +757,7 @@ OraBooster の製品は、オンラインや一部の小売店で購入するこ ## 番外編：RAGを実装する(Cohere社 Command-R-Plusのパターン) -その他のモデルとしてCohere社のCommand-R-Plusを使ったパターンです。llm定義の部分をcohereに挿げ替えるだけで、その他のコードは全く同じです。LangChainを使うメリットですね。 +その他のモデルとしてCohere社のCommand-R-Plus-08-2024を使ったパターンです。llm定義の部分をcohereに挿げ替えるだけで、その他のコードは全く同じです。LangChainを使うメリットですね。 ```python from langchain.schema.output_parser import StrOutputParser @@ -765,7 +778,7 @@ os.environ["COHERE_API_KEY"] = getpass.getpass("Cochere API Key:") from langchain_cohere import ChatCohere -llm_cohere = ChatCohere(model="command-r-plus") +llm_cohere = ChatCohere(model="command-r-plus-08-2024") ベクトル検索を実行するベクトルデータベースを定義します。もちろんここでは事前に定義したvector_store_dotを指定します。 diff --git a/tutorials/_ai-vector-search/ai-vector107-rag-chat-history.md b/tutorials/_ai-vector-search/ai-vector107-rag-chat-history.md index 5a5e4802d6..a4ee4fa06e 100644 --- a/tutorials/_ai-vector-search/ai-vector107-rag-chat-history.md +++ b/tutorials/_ai-vector-search/ai-vector107-rag-chat-history.md @@ -131,6 +131,8 @@ print(docs) 区切ったチャンクテキストを埋め込みモデル(OCI Generative AI Serviceのembed-multilingual-v3.0)でベクトルに変換し、ベクトル・データベースにロードします。 +※service_endpointには大阪リージョンのエンドポイントを指定していますが、サブスクライブしているリージョンによって適宜修正してください。最新のリージョン一覧は[こちら](https://docs.oracle.com/ja-jp/iaas/Content/generative-ai/pretrained-models.htm){:target="_blank"}をご参照ください。例えばロンドンの場合は、service_endpointには*https://inference.generativeai.uk-london-1.oci.oraclecloud.com*と指定します。 + ```python from langchain_community.vectorstores.oraclevs import OracleVS from langchain_community.vectorstores.utils import DistanceStrategy @@ -138,7 +140,7 @@ from langchain_community.embeddings import OCIGenAIEmbeddings embeddings = OCIGenAIEmbeddings( model_id="cohere.embed-multilingual-v3.0", - service_endpoint="https://inference.generativeai.us-chicago-1.oci.oraclecloud.com", + service_endpoint="https://inference.generativeai.ap-osaka-1.oci.oraclecloud.com", compartment_id="", ) @@ -249,9 +251,9 @@ postgres=> select * from message_store; from langchain_community.chat_models.oci_generative_ai import ChatOCIGenAI llm = ChatOCIGenAI( - #model_id="cohere.command-r-16k", - model_id="cohere.command-r-plus", - service_endpoint="https://inference.generativeai.us-chicago-1.oci.oraclecloud.com", + #model_id="cohere.command-r-08-2024", + model_id="cohere.command-r-plus-08-2024", + service_endpoint="https://inference.generativeai.ap-osaka-1.oci.oraclecloud.com", compartment_id="", model_kwargs={"temperature": 0.7, "max_tokens": 500}, ) diff --git a/tutorials/_ai-vector-search/ai-vector108-select-ai-with-rag.md b/tutorials/_ai-vector-search/ai-vector108-select-ai-with-rag.md index 01b39ca0be..cd234f8245 100644 --- a/tutorials/_ai-vector-search/ai-vector108-select-ai-with-rag.md +++ b/tutorials/_ai-vector-search/ai-vector108-select-ai-with-rag.md @@ -23,8 +23,16 @@ SELECT AIについては[111: SELECT AIを試してみよう](https://oracle-jap **前提条件 :** + [101:Always Freeで23aiのADBインスタンスを作成してみよう](/ocitutorials/ai-vector-search/ai-vector101-always-free-adb/){:target="_blank"}の記事を参考に、Oracle Database 23aiの準備が完了していること。 -+ OCI Generative AI Serviceを使用できること - - OCI GenAI Serviceをご利用いただけるChicago Regionはサブスクリプション済みであること。 ++ OCI GenAI Serviceをご利用いただけるリージョンはサブスクリプション済みであること。 + + ※2025/01時点で、利用可能なリージョンは以下です。 + - サンパウロ(GRU) + - フランクフルト(FRA) + - 大阪(KIX) + - ロンドン(LHR) + - シカゴ(ORD) + + 最新のリージョン一覧は[こちら](https://docs.oracle.com/ja-jp/iaas/Content/generative-ai/pretrained-models.htm){:target="_blank"}をご参照ください。本チュートリアルで使用するテキスト生成モデル、エンベッディングモデルについては、将来的にモデルの廃止が行われることがあるため、廃止日や置換モデルのリリース情報を[こちら](https://docs.oracle.com/ja-jp/iaas/Content/generative-ai/deprecating.htm){:target="_blank"}から確認のうえ、最新のモデルを使用することを推奨します。本チュートリアルでは、エンベッディングモデルにcohere.embed-multilingual-v3.0、テキスト生成モデルにcohere.command-r-plus-08-2024を使用します。これらが最新になっているか上記リンクよりご確認ください。 - OCI アカウントのAPI署名キーの生成は完了であること
以下の情報を取得してください。必要があれば、[API署名キーの生成方法](https://docs.oracle.com/ja-jp/iaas/Content/API/Concepts/apisigningkey.htm#two){:target="_blank"}をご参照ください。 @@ -167,7 +175,7 @@ DBMS_CLOUD_AI.CREATE_PROFILEプロシージャを使用して、プロファイ - **temperature**：0（任意） - **comments**：true（任意） - **oci_apiformat**：COHERE（OCIチャットモデルを使用し、Cohereのモデルを指定する場合はoci_apiformatとしてCOHEREと指定） -- **model**：cohere.command-r-plus（プロバイダーをOCIとし、モデルを指定しない場合は、llama-3が使用されます） +- **model**：cohere.command-r-plus-08-2024（プロバイダーをOCIとし、モデルを指定しない場合は、meta.llama-3.1-70b-instructが使用されます） ```sql BEGIN @@ -180,7 +188,7 @@ BEGIN "temperature": 0, "comments": true, "oci_apiformat": "COHERE", - "model": "cohere.command-r-plus" + "model": "cohere.command-r-plus-08-2024" }'); end; /