跳到主要内容
Open on GitHub

MongoDB Atlas

MongoDB Atlas 是一个完全托管的云数据库，可在 AWS、Azure 和 GCP 上使用。它现在支持在 MongoDB 文档数据上进行原生向量搜索。

安装与设置​

查看详细配置说明。

我们需要安装 langchain-mongodb Python 包。

pip install langchain-mongodb

向量存储​

查看使用示例。

from langchain_mongodb import MongoDBAtlasVectorSearch

检索器​

全文搜索检索器​

Hybrid Search Retriever 使用 Lucene 的标准 (BM25) 分析器执行全文搜索。

from langchain_mongodb.retrievers import MongoDBAtlasFullTextSearchRetriever

混合搜索检索器​

Hybrid Search Retriever 结合了向量搜索和全文搜索，并通过 Reciprocal Rank Fusion (RRF) 算法对其进行加权。

from langchain_mongodb.retrievers import MongoDBAtlasHybridSearchRetriever

模型缓存​

MongoDBCache​

一种在 MongoDB 中存储简单缓存的抽象。它不使用语义缓存，也不要求在生成之前在集合上创建索引。

导入此缓存

from langchain_mongodb.cache import MongoDBCache
API 参考：MongoDBCache

将此缓存与您的 LLM 配合使用

from langchain_core.globals import set_llm_cache

# use any embedding provider...
from tests.integration_tests.vectorstores.fake_embeddings import FakeEmbeddings

mongodb_atlas_uri = "<YOUR_CONNECTION_STRING>"
COLLECTION_NAME="<YOUR_CACHE_COLLECTION_NAME>"
DATABASE_NAME="<YOUR_DATABASE_NAME>"

set_llm_cache(MongoDBCache(
    connection_string=mongodb_atlas_uri,
    collection_name=COLLECTION_NAME,
    database_name=DATABASE_NAME,
))
API 参考：set_llm_cache

MongoDBAtlasSemanticCache​

语义缓存允许用户根据用户输入和先前缓存结果之间的语义相似性来检索缓存的提示。在底层，它将 MongoDB Atlas 融合为缓存和向量存储。MongoDBAtlasSemanticCache 继承自 MongoDBAtlasVectorSearch，需要定义一个 Atlas 向量搜索索引才能工作。请查看使用示例，了解如何设置索引。

导入此缓存

from langchain_mongodb.cache import MongoDBAtlasSemanticCache

将此缓存与您的 LLM 配合使用

from langchain_core.globals import set_llm_cache

# use any embedding provider...
from tests.integration_tests.vectorstores.fake_embeddings import FakeEmbeddings

mongodb_atlas_uri = "<YOUR_CONNECTION_STRING>"
COLLECTION_NAME="<YOUR_CACHE_COLLECTION_NAME>"
DATABASE_NAME="<YOUR_DATABASE_NAME>"

set_llm_cache(MongoDBAtlasSemanticCache(
    embedding=FakeEmbeddings(),
    connection_string=mongodb_atlas_uri,
    collection_name=COLLECTION_NAME,
    database_name=DATABASE_NAME,
))
API 参考：set_llm_cache