Vectara

Tutorial de Inicio Rápido

Prerequisitos

1. Registra una cuenta en Vectara

2. Haz clic en Create Corpus

Nombra el corpus a crear y haz clic en Create Corpus, luego espera a que el corpus termine de configurarse.

Configuración

1. Haz clic en la pestaña "Access Control" en la vista del corpus

1. Haz clic en el botón "Create API Key", elige un nombre para la API key y selecciona la opción QueryService & IndexService

1. Haz clic en Create para crear la API key

2. Obtén tu Corpus ID, API Key, y Customer ID haciendo clic en la flecha hacia abajo bajo "copy" para tu nueva API key:

1. De vuelta al canvas de Flowise, crea tu chatflow. Haz clic en Create New desde el menú desplegable de Credentials e ingresa tus credenciales de Vectara.

1. ¡Disfruta!

Parámetros de Consulta de Vectara

Para un control más preciso sobre los parámetros de consulta de Vectara, haz clic en "Additional Parameters" y podrás actualizar los siguientes parámetros desde sus valores por defecto:

• Metadata Filter: Vectara soporta filtrado de metadata. Para usar el filtrado, asegúrate de que los campos de metadata que deseas filtrar estén definidos en tu corpus de Vectara.

• "Sentences before" y "Sentences after": estos controlan cuántas oraciones antes/después del texto coincidente son devueltas como resultados del motor de recuperación de Vectara

• Lambda: define el comportamiento de la búsqueda híbrida en Vectara

• Top-K: cuántos resultados devolver de Vectara para la consulta

• MMR-K: número de resultados a usar para MMR (relevancia marginal máxima)

Recursos

• LangChain JS Vectara Blog Post

• 5 Razones para Usar la Integración de Vectara con Langchain Blog Post

• Relevancia Marginal Máxima en Vectara

• Blog Post sobre el modelo de embedding Boomerang de Vectara

• Detectando Alucinaciones con HHEM de Vectara