Update the OCI tutorilas:ae7491c29a709fcd8847475b610e8d3c88838374

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、
-  <br>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
-
+  <br>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、
   <br>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。
 

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
+   <br>[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。
 
 <br>
 
@@ -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',

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
-   <br>※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
-   <br>[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
+   <br>[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
   <br>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;
 ```

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。
 

tutorials/_ai-vector-search/ai-vector107-rag-chat-history.md

@@ -131,14 +131,16 @@ 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
 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="<compartmentのOCID>",
 )
 
@@ -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="<compartmentのOCID>",
     model_kwargs={"temperature": 0.7, "max_tokens": 500},
 )