Hola colegas!

Esta librería para Embedding busca facilitar la codificación al exponer funciones específicas para la vectorización en tu proyecto LLM.

Uso

Importa las siguientes funciones

import { 
getOrCreateCollection, 
addFilesToCollection, 
queryCollection, 
deleteCollection 
} from  "minpublico.aimbot";

return new Promise(async (resolve, reject) => {
	const id = uuidv4();
	const collection = await getOrCreateCollection(id);
	const pdfPath = 'Docs/';
	addFilesToCollection(pdfPath, collection).then(() => {
		queryCollection(collection, 7, "¿Que es un API?").then(result => {
			resolve(result.documents[0]);
		}).finally(() => {
			deleteCollection(id);
		}).catch(() => {
			reject("Error para calcular el coseno similar");
		})
		}).catch(() =>{
			reject("Error en la lectura de documentos");
		});
	});
}

getOrCreateCollection

Obtiene/Crea una colección en memoria Chromadb. El parametro de entrada es:

addFilesToCollection

Lee archivo(s) PDF y extrae su contenido desde la capa de texto, vectorizando los datos en memoria. El parametro de entrada:

queryCollection

Búsqueda semántica dentro de una colección de vectores. Parametros de entrada:

deleteCollection

Elimina la colección de la memoria a través del name del Collection. Parametros de entrada: