MongoDB Atlas
MongoDB Atlas 是一种完全托管的云数据库,可在 AWS、Azure 和 GCP 中使用。它现在支持对 MongoDB 文档数据的原生向量搜索。
安装和设置
请参阅详细配置说明。
我们需要安装 langchain-mongodb
python 包。
pip install langchain-mongodb
向量存储
请参阅使用示例。
from langchain_mongodb import MongoDBAtlasVectorSearch
API 参考:MongoDBAtlasVectorSearch
检索器
全文搜索检索器
混合搜索检索器
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
混合搜索检索器
结合了向量搜索和全文搜索,并通过倒数排名融合
(RRF
) 算法进行加权。
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,也不需要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 一起使用
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检索缓存的提示。在底层,它将 MongoDBAtlas 混合用作缓存和向量存储。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
API 参考:MongoDBAtlasSemanticCache
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 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
``