百度向量数据库
百度向量数据库是一款由百度智能云精心开发和完全托管的强大企业级分布式数据库服务。它以其卓越的多维向量数据存储、检索和分析能力而著称。在核心方面，向量数据库基于百度专有的“Mochow”向量数据库内核运行，该内核在确保高性能、高可用性和安全性的同时，还具有卓越的可扩展性和用户友好性。
该数据库服务支持各种索引类型和相似度计算方法，以满足各种用例。向量数据库的一个突出特点是它能够管理高达 100 亿的巨大向量规模，同时保持令人印象深刻的查询性能，支持每秒数百万次查询 (QPS)，查询延迟仅为毫秒级。
您需要使用 pip install -qU langchain-community 安装 langchain-community 才能使用此集成
此笔记本展示了如何使用与百度向量数据库相关的功能。
要运行，您应该拥有一个数据库实例。。
!pip3 install pymochow
from langchain_community.document_loaders import TextLoader
from langchain_community.embeddings.fake import FakeEmbeddings
from langchain_community.vectorstores import BaiduVectorDB
from langchain_community.vectorstores.baiduvectordb import ConnectionParams
from langchain_text_splitters import CharacterTextSplitter
loader = TextLoader("../../how_to/state_of_the_union.txt")
documents = loader.load()
text_splitter = CharacterTextSplitter(chunk_size=1000, chunk_overlap=0)
docs = text_splitter.split_documents(documents)
embeddings = FakeEmbeddings(size=128)
conn_params = ConnectionParams(
endpoint="http://192.168.xx.xx:xxxx", account="root", api_key="****"
)
vector_db = BaiduVectorDB.from_documents(
docs, embeddings, connection_params=conn_params, drop_old=True
)
query = "What did the president say about Ketanji Brown Jackson"
docs = vector_db.similarity_search(query)
docs[0].page_content
vector_db = BaiduVectorDB(embeddings, conn_params)
vector_db.add_texts(["Ankush went to Princeton"])
query = "Where did Ankush go to college?"
docs = vector_db.max_marginal_relevance_search(query)
docs[0].page_content