使用開放模型和 ML.GENERATE_EMBEDDING 函式生成文字嵌入

本教學課程說明如何建立以開放原始碼文字嵌入模型 Qwen3-Embedding-0.6B 為基礎的遠端模型，以及如何使用 ML.GENERATE_EMBEDDING 函式嵌入 bigquery-public-data.imdb.reviews 公開資料表中的電影評論。

所需權限

如要執行本教學課程，您需要下列 Identity and Access Management (IAM) 角色：

• 建立及使用 BigQuery 資料集、連線和模型： BigQuery 管理員 (roles/bigquery.admin)。
• 將權限授予連線的服務帳戶：專案 IAM 管理員 (roles/resourcemanager.projectIamAdmin)。
• 在 Vertex AI 中部署及取消部署模型：Vertex AI 管理員 (roles/aiplatform.admin)。

這些預先定義的角色具備執行本文中工作所需的權限。如要查看確切的必要權限，請展開「必要權限」部分：

您或許還可透過自訂角色或其他預先定義的角色取得這些權限。

費用

在本文件中，您會使用下列 Google Cloud的計費元件：

• BigQuery ML: You incur costs for the data that you process in BigQuery.
• Vertex AI: You incur costs for calls to the Vertex AI model that's represented by the remote model.

如要根據預測用量估算費用，請使用 Pricing Calculator。

如要進一步瞭解 BigQuery 定價，請參閱 BigQuery 說明文件中的「BigQuery 定價」一文。

部署至 Vertex AI 的開放式模型會依機器時數收費。也就是說，端點完全設定完成後就會開始計費，直到您取消部署為止。如要進一步瞭解 Vertex AI 定價，請參閱 Vertex AI 定價頁面。

事前準備

1. In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

   Roles required to select or create a project

   • Select a project: Selecting a project doesn't require a specific IAM role—you can select any project that you've been granted a role on.
   • Create a project: To create a project, you need the Project Creator (roles/resourcemanager.projectCreator), which contains the resourcemanager.projects.create permission. Learn how to grant roles.

   Go to project selector

2. Verify that billing is enabled for your Google Cloud project.

3. Enable the BigQuery, BigQuery Connection, and Vertex AI APIs.

   Roles required to enable APIs

   To enable APIs, you need the Service Usage Admin IAM role (roles/serviceusage.serviceUsageAdmin), which contains the serviceusage.services.enable permission. Learn how to grant roles.

   Enable the APIs

建立資料集

建立 BigQuery 資料集來儲存機器學習模型。

{
  "datasetReference": {
     "datasetId": "bqml_tutorial"
  }
}

import google.cloud.bigquery

bqclient = google.cloud.bigquery.Client()
bqclient.create_dataset("bqml_tutorial", exists_ok=True)

建立遠端模型

建立代表代管 Vertex AI 模型的遠端模型：

1. 前往 Google Cloud 控制台的「BigQuery」頁面。

   前往「BigQuery」

2. 在查詢編輯器中執行下列陳述式：

CREATE OR REPLACE MODEL `bqml_tutorial.qwen3_embedding_model`
  REMOTE WITH CONNECTION DEFAULT
  OPTIONS (
    HUGGING_FACE_MODEL_ID = 'Qwen/Qwen3-Embedding-0.6B'
);

查詢作業最多需要 20 分鐘才能完成，完成後，qwen3_embedding_model 模型會顯示在「Explorer」(探索工具) 窗格的 bqml_tutorial 資料集中。由於查詢是使用 CREATE MODEL 陳述式建立模型，因此不會有查詢結果。

執行文字嵌入

使用遠端模型和 ML.GENERATE_EMBEDDING 函式，對 IMDB 電影評論執行文字嵌入：

1. 前往 Google Cloud 控制台的「BigQuery」頁面。

   前往「BigQuery」

2. 在查詢編輯器中輸入下列陳述式，對五則電影評論執行文字嵌入：

   SELECT
     *
   FROM
     ML.GENERATE_EMBEDDING(
       MODEL `bqml_tutorial.qwen3_embedding_model`,
       (
         SELECT
           review AS content,
           *
         FROM
           `bigquery-public-data.imdb.reviews`
         LIMIT 5
       )
     );

   結果包含下列資料欄：

   • ml_generate_embedding_result：代表所產生嵌入內容的雙精度浮點數陣列。
   • ml_generate_embedding_status：對應資料列的 API 回應狀態。如果作業成功，這個值會留空。
   • content：要從中擷取嵌入的輸入文字。
   • bigquery-public-data.imdb.reviews 資料表中的所有欄。

取消部署模型

如果選擇不按照建議刪除專案，請務必在 Vertex AI 中取消部署 Qwen3 嵌入模型，以免持續產生相關費用。在指定閒置時間 (預設為 6.5 小時) 過後，BigQuery 會自動取消部署模型。或者，您也可以使用 ALTER MODEL 陳述式立即取消部署模型，如下列範例所示：

ALTER MODEL `bqml_tutorial.qwen3_embedding_model`
SET OPTIONS (deploy_model = false);

詳情請參閱「自動或立即取消部署開放模型」。

清除所用資源

1. In the Google Cloud console, go to the Manage resources page.

   Go to Manage resources

2. In the project list, select the project that you want to delete, and then click Delete.
3. In the dialog, type the project ID, and then click Shut down to delete the project.

後續步驟

• 瞭解如何使用文字嵌入執行語意搜尋和檢索增強生成 (RAG)。