GSP1297

概览

Vertex AI Vector Search 支持混合搜索。混合搜索是信息检索 (IR) 中常见的一种架构模式，可结合使用语义搜索和关键字搜索（也称为基于 token 的搜索）。借助混合搜索，开发者可以充分发挥这两种方法的优势，从而有效提升搜索质量。

在本实验中，您将学习如何使用混合搜索来搜索 Google 商品数据集中的内容。在本实验的最后，您将对混合搜索和基于 token 的搜索这两种方法的搜索结果进行比较。

开始本实验时，实验环境中将包含下图所示的资源。

在实验结束时，您应该已使用该架构执行了多项任务。

下表详细说明了与该实验架构相关的每项任务。

任务编号	详细信息
1.	在 Vertex AI Workbench 中打开笔记本并选择内核。
2.	安装软件包，并为您的项目配置笔记本： 您将使用 Google Gen AI SDK，通过 Developer API 和 Vertex AI 处理文本嵌入模型。要完成此任务，您需要安装 Python 库，并在整个实验过程中引用这些 Python 库。您还需要配置笔记本，使其能够访问您项目中的资源，例如实验启动时提供给您的 Cloud Storage 存储桶。
3.	准备数据集： 在此任务中，您将下载包含 Google Merch Shop 商品的 CSV 数据集文件，并将其添加到 Pandas DataFrame 中。
4.	使用基于 token 的搜索： 您将训练向量化工具（一种根据文本生成稀疏嵌入的模型），然后将其应用于数据集。
5.	创建索引端点： 在 Vertex AI Vector Search 中使用混合搜索之前，您必须先创建索引端点。
6.	创建混合查询索引并将其部署到端点： 您将使用“text-embedding-005”模型为数据集内容生成密集嵌入，这些嵌入将结合稀疏嵌入来创建混合索引。此操作完成后，您需要将混合索引部署到您的端点中。
7.	运行混合查询： 部署好索引后，您需要先创建 HybridQuery 对象来封装查询文本的稀疏嵌入，然后才能运行查询。

前提条件

在开始本实验之前，您应该先熟悉：

• Python 编程基础知识。
• API 的一般性概念。
• 在 Vertex AI Workbench 上的 Jupyter 笔记本中运行 Python 代码

目标

在本实验中，您将执行以下操作：

• 在 Vertex AI Vector Search 中使用混合搜索。
• 创建并部署混合搜索索引。
• 查询混合搜索索引

设置和要求

点击“开始实验”按钮前的注意事项

请阅读以下说明。实验是计时的，并且您无法暂停实验。计时器在您点击开始实验后即开始计时，显示 Google Cloud 资源可供您使用多长时间。

此实操实验可让您在真实的云环境中开展实验活动，免受模拟或演示环境的局限。为此，我们会向您提供新的临时凭据，您可以在该实验的规定时间内通过此凭据登录和访问 Google Cloud。

为完成此实验，您需要：

• 能够使用标准的互联网浏览器（建议使用 Chrome 浏览器）。

注意：请使用无痕模式（推荐）或无痕浏览器窗口运行此实验。这可以避免您的个人账号与学生账号之间发生冲突，这种冲突可能导致您的个人账号产生额外费用。

• 完成实验的时间 - 请注意，实验开始后无法暂停。

注意：请仅使用学生账号完成本实验。如果您使用其他 Google Cloud 账号，则可能会向该账号收取费用。

如何开始实验并登录 Google Cloud 控制台

1. 点击开始实验按钮。如果该实验需要付费，系统会打开一个对话框供您选择支付方式。左侧是“实验详细信息”窗格，其中包含以下各项：

   • “打开 Google Cloud 控制台”按钮
   • 剩余时间
   • 进行该实验时必须使用的临时凭据
   • 帮助您逐步完成本实验所需的其他信息（如果需要）

2. 点击打开 Google Cloud 控制台（如果您使用的是 Chrome 浏览器，请右键点击并选择在无痕式窗口中打开链接）。

   该实验会启动资源并打开另一个标签页，显示“登录”页面。

   提示：将这些标签页安排在不同的窗口中，并排显示。

   注意：如果您看见选择账号对话框，请点击使用其他账号。

3. 如有必要，请复制下方的用户名，然后将其粘贴到登录对话框中。

   {{{user_0.username | "<用户名>"}}}

   您也可以在“实验详细信息”窗格中找到“用户名”。

4. 点击下一步。

5. 复制下面的密码，然后将其粘贴到欢迎对话框中。

   {{{user_0.password | "<密码>"}}}

   您也可以在“实验详细信息”窗格中找到“密码”。

6. 点击下一步。

   重要提示：您必须使用实验提供的凭据。请勿使用您的 Google Cloud 账号凭据。 注意：在本实验中使用您自己的 Google Cloud 账号可能会产生额外费用。

7. 继续在后续页面中点击以完成相应操作：

   • 接受条款及条件。
   • 由于这是临时账号，请勿添加账号恢复选项或双重验证。
   • 请勿注册免费试用。

片刻之后，系统会在此标签页中打开 Google Cloud 控制台。

注意：如需访问 Google Cloud 产品和服务，请点击导航菜单，或在搜索字段中输入服务或产品的名称。

任务 1. 在 Vertex AI Workbench 中打开笔记本并选择内核

1. 在 Google Cloud 控制台的导航菜单 () 中依次点击 Vertex AI > Workbench。

2. 找到 实例，然后点击打开 JupyterLab 按钮。

Workbench 实例的 JupyterLab 界面会在新浏览器标签页中打开。

注意：如果您在 JupyterLab 中没有看到笔记本，请按照以下额外步骤重置实例：

1. 关闭 JupyterLab 的浏览器标签页，然后返回 Workbench 首页。

2. 选中实例名称旁边的复选框，然后点击重置。

3. 打开 JupyterLab 按钮重新启用后，请等待一分钟，然后点击打开 JupyterLab。

1. 打开 文件。

2. 在“选择内核”对话框中，从可用内核列表中选择 Python 3。

任务 2. 安装软件包并配置笔记本。

要开始使用笔记本，您首先要从第 1 部分“创建稀疏嵌入”开始。

在此任务中，您将安装所需的 Python 软件包、重启内核运行时、配置笔记本以便使用您的项目和区域，以及导入内容库。

1. 完成任务 2“安装软件包并配置笔记本”中的单元。

   对于项目 ID，请使用 ；对于位置，请使用 （如果这些字段中未填充内容）。

点击检查我的进度以验证是否完成了以下目标： 安装软件包并配置笔记本。

任务 3. 准备数据集

在此任务中，您将下载 CSV 数据集文件，并准备好在笔记本中使用该文件。

1. 完成笔记本中的任务 3“准备数据集”中的所有单元。

点击检查我的进度以验证是否完成了以下目标： 准备数据集。

任务 4. 创建稀疏嵌入

在此任务中，您将创建稀疏嵌入，并在数据集中搜索“Chrome Dino Pin”商品，以获取其基于向量的值和维度。您还将检索数据集中其他商品的值。然后，您需要将这些数据保存到 Workbench 中的 items.json 文件中，并将此文件复制到您的 Cloud Storage 存储桶中。

1. 运行笔记本的“创建稀疏嵌入”任务。

点击检查我的进度以验证是否完成了以下目标： 创建稀疏嵌入。

任务 5. 创建索引端点

现在，您将执行笔记本的第 2 部分，在该过程中，您将使用混合搜索。

首先，在此任务中，您将创建一个索引端点。

1. 运行笔记本的“创建索引端点”任务。

点击检查我的进度以验证是否完成了以下目标： 创建索引端点。

任务 6. 创建混合索引并将其部署到端点

在此任务中，您将检索文本嵌入模型，针对某个商品运行示例查询以获取其密集嵌入，然后针对所有商品执行相同操作。随后，将这些内容存储在 items.json 文件中。最后，您将根据此文件创建混合索引，并将该索引部署到端点。

1. 运行笔记本的“创建混合索引并将其部署到端点”任务。

注意：大约需要 4 到 5 分钟才能完成混合索引的创建。 注意：需要 30 分钟才能完成混合索引的部署。

在等待混合索引部署期间，您可以前往 Vertex AI > Vector Search > 索引端点，查看其部署情况。

您还可以花点时间查看此演示。此演示提供了一个真实示例，可帮助您了解 Vector Search 的工作原理、探索语义搜索和混合搜索，并了解重排序的实际应用。您只需提交对动物、植物、电子商务商品或其他内容的简短描述，剩余步骤由 Vector Search 来完成！

重要提示：您需要前往 Vertex AI > Vector Search 以访问 Vertex AI Vector Search，并访问列出的索引和索引端点。您会看到，资源创建完成后，其状态也会随之发生变化。

点击检查我的进度以验证是否完成了以下目标： 创建混合索引并将其部署到端点。

任务 7. 运行混合查询

在此任务中，您将使用刚刚部署好的混合索引运行混合查询，并将此查询的结果与稀疏嵌入进行比较。

1. 运行笔记本中的“运行混合查询”任务。

点击检查我的进度以验证是否完成了以下目标： 运行混合查询。

恭喜！

在本实验中，您学习了如何在 Vertex AI Vector Search 中使用混合搜索，包括创建和部署混合搜索索引，以及查询该索引以与稀疏嵌入进行比较。

后续步骤/了解详情

请参阅以下资源，详细了解 Gemini：

• Gemini 概览
• 有关 Vertex AI 上生成式 AI 的文档
• YouTube 上有关生成式 AI 的视频
• 探索 Vertex AI 实战宝典，了解精心挑选的生成式 AI 笔记，还可以在笔记本库中搜索内容。
• 探索 Google Cloud 生成式 AI 仓库中的其他笔记本和示例。

Google Cloud 培训和认证

…可帮助您充分利用 Google Cloud 技术。我们的课程会讲解各项技能与最佳实践，可帮助您迅速上手使用并继续学习更深入的知识。我们提供从基础到高级的全方位培训，并有点播、直播和虚拟三种方式选择，让您可以按照自己的日程安排学习时间。各项认证可以帮助您核实并证明您在 Google Cloud 技术方面的技能与专业知识。

本手册的最后更新时间：2025 年 7 月 10 日

本实验的最后测试时间：2025 年 6 月 13 日

版权所有 2025 Google LLC 保留所有权利。Google 和 Google 徽标是 Google LLC 的商标。其他所有公司名和产品名可能是其各自相关公司的商标。