跳到主要内容
Open on GitHub

Couchbase

Couchbase 是一款屡获殊荣的分布式 NoSQL 云数据库,为您的所有云、移动、AI 和边缘计算应用提供无与伦比的多功能性、性能、可扩展性和财务价值。

安装和设置

我们必须安装 langchain-couchbase 包。

pip install langchain-couchbase

向量存储

请参阅使用示例

from langchain_couchbase import CouchbaseVectorStore

文档加载器

请参阅使用示例

from langchain_community.document_loaders.couchbase import CouchbaseLoader
API 参考:CouchbaseLoader

LLM 缓存

CouchbaseCache

将 Couchbase 用作提示和响应的缓存。

请参阅使用示例

导入此缓存

from langchain_couchbase.cache import CouchbaseCache

将此缓存与您的 LLM 一起使用

from langchain_core.globals import set_llm_cache

cluster = couchbase_cluster_connection_object

set_llm_cache(
CouchbaseCache(
cluster=cluster,
bucket_name=BUCKET_NAME,
scope_name=SCOPE_NAME,
collection_name=COLLECTION_NAME,
)
)
API 参考:set_llm_cache

CouchbaseSemanticCache

语义缓存允许用户根据用户输入和先前缓存输入之间的语义相似性来检索缓存的提示。在底层,它使用 Couchbase 作为缓存和向量存储。 CouchbaseSemanticCache 需要定义搜索索引才能工作。请查看关于如何设置索引的使用示例

请参阅使用示例

导入此缓存

from langchain_couchbase.cache import CouchbaseSemanticCache

将此缓存与您的 LLM 一起使用

from langchain_core.globals import set_llm_cache

# use any embedding provider...
from langchain_openai.Embeddings import OpenAIEmbeddings

embeddings = OpenAIEmbeddings()
cluster = couchbase_cluster_connection_object

set_llm_cache(
CouchbaseSemanticCache(
cluster=cluster,
embedding = embeddings,
bucket_name=BUCKET_NAME,
scope_name=SCOPE_NAME,
collection_name=COLLECTION_NAME,
index_name=INDEX_NAME,
)
)
API 参考:set_llm_cache

聊天消息历史记录

将 Couchbase 用作聊天消息的存储。

请参阅使用示例

在您的应用程序中使用聊天消息历史记录

from langchain_couchbase.chat_message_histories import CouchbaseChatMessageHistory

message_history = CouchbaseChatMessageHistory(
cluster=cluster,
bucket_name=BUCKET_NAME,
scope_name=SCOPE_NAME,
collection_name=COLLECTION_NAME,
session_id="test-session",
)

message_history.add_user_message("hi!")

此页是否对您有帮助?