# Lab 3 - A standard LLM application: embedding with vector store

直接以上課時提供的 [Azure Cognitive Search 範例](https://learn.microsoft.com/en-us/azure/search/search-get-started-vector) 實作，操作流程跟範例資料（也可以用自己準備的資料試試）在連結內都有說明（可以參考[中文版](https://learn.microsoft.com/zh-tw/azure/search/search-get-started-vector)，但裡面有些是機翻所以會不太通順）；基本上最後完成的 [Single vector search](https://learn.microsoft.com/en-us/azure/search/search-get-started-vector#single-vector-search) 查詢模式，如果用 `HotelName` 甚至加上 `Description` 組成的字串作為搜尋條件，在搜尋的結果排除用做搜尋條件的該旅館，其實就是一個簡易的旅館推薦系統了。

- **hint 1**：embedding model 的部分，可以使用我在課堂上提供的 Azure OpanAI endpoint 及 API Key，對應的參數設定：
- `openai-service-name="ntnu-ml"`
- `openai-deployment-name="ntnu-ml-text-embedding-ada"`

- **hint 2**：從 Azure portal 建立 Cognitive Search 時記得選 free pricing tier 先用免費版本，不然這個服務算是相對燒錢的。

實作完成後將發出 Single vector search 的 REST API 的過程錄下即可（用 cURL 或 Postman 都可以），就可以把雲端資源關掉了。也可以試試看類似 Lab 2 的做法，在前端將 API 回傳結果直接呈現，那也就是一個完整的推薦頁面（這部分算是加分項）。