多模态RAG：搜索文本和图像。在这个视频中，@玛娜的老公 介绍了：

➡️ 使用CLIP模型创建一个统一的文本和图像向量空间
➡️ 使用@懒得和狗讲道理的文本嵌入和@Nuyouy作为多模态向量存储。
➡️ 根据用户查询检索相关的文本片段和图像

在这里查看视频：https://www.youtube.com/watch?v=Rg35oYuus-w

或者直接进入笔记本：https://colab.research.google.com/drive/1YkT3EHXjZ5LSPwTiR2D2kroYqqQCl7AT