Gli embeddings sono rappresentazioni vettoriali dei testi.
Un modello di embedding trasforma una frase in un vettore numerico che rappresenta il significato semantico del contenuto.
Esempio semplificato:
“nuoto stile libero”
→ [0.12, -0.45, 0.98, …]
→ [0.12, -0.45, 0.98, …]
Testi con significato simile producono vettori simili.
Nel laboratorio utilizziamo il modello:
- nomic-embed-text, distribuito tramite Ollama.
Verifica dei modelli disponibili:
kubectl exec -n ai deploy/ollama — ollama list
Output:
- nomic-embed-text
- qwen2.5:1.5b
Ruoli dei modelli:
| Modello | Funzione |
|---|---|
| qwen2.5 | LLM che genera le risposte |
| nomic-embed-text | genera embeddings |