Momento 向量索引 (MVI)
MVI：用于您数据的最高效、最易使用的无服务器向量索引。要开始使用 MVI，只需注册一个帐户即可。无需处理基础设施、管理服务器或担心扩展问题。MVI 是一项服务，可自动扩展以满足您的需求。
要注册并访问 MVI，请访问 Momento 控制台。
设置
安装先决条件
您将需要
- 用于与 MVI 交互的
momento包，以及 - 用于与 OpenAI API 交互的 openai 包。
- 用于文本标记化的 tiktoken 包。
%pip install --upgrade --quiet momento langchain-openai langchain-community tiktoken
输入 API 密钥
import getpass
import os
Momento：用于索引数据
访问 Momento 控制台 以获取您的 API 密钥。
if "MOMENTO_API_KEY" not in os.environ:
os.environ["MOMENTO_API_KEY"] = getpass.getpass("Momento API Key:")
OpenAI：用于文本嵌入
if "OPENAI_API_KEY" not in os.environ:
os.environ["OPENAI_API_KEY"] = getpass.getpass("OpenAI API Key:")
加载您的数据
这里我们使用 Langchain 中的示例数据集，即国情咨文。
首先，我们加载相关的模块
from langchain_community.document_loaders import TextLoader
from langchain_community.vectorstores import MomentoVectorIndex
from langchain_openai import OpenAIEmbeddings
from langchain_text_splitters import CharacterTextSplitter
然后我们加载数据
loader = TextLoader("../../how_to/state_of_the_union.txt")
documents = loader.load()
len(documents)
1
请注意，数据是一个大型文件，因此只有一个文档
len(documents[0].page_content)
38539
由于这是一个大型文本文件，因此我们将其拆分为块以进行问答。这样，用户问题将从最相关的块中获得解答。
text_splitter = CharacterTextSplitter(chunk_size=1000, chunk_overlap=0)
docs = text_splitter.split_documents(documents)
len(docs)
42
索引您的数据
索引您的数据就像实例化 MomentoVectorIndex 对象一样简单。在这里，我们使用 from_documents 帮助程序来实例化和索引数据
vector_db = MomentoVectorIndex.from_documents(
docs, OpenAIEmbeddings(), index_name="sotu"
)
这将使用您的 API 密钥连接到 Momento 向量索引服务并索引数据。如果索引之前不存在，此过程将为您创建它。数据现在可以搜索了。
查询您的数据
直接针对索引提问
查询数据的最直接方法是针对索引进行搜索。我们可以使用 VectorStore API 如下所示进行操作
query = "What did the president say about Ketanji Brown Jackson"
docs = vector_db.similarity_search(query)
docs[0].page_content
'Tonight. I call on the Senate to: Pass the Freedom to Vote Act. Pass the John Lewis Voting Rights Act. And while you’re at it, pass the Disclose Act so Americans can know who is funding our elections. \n\nTonight, I’d like to honor someone who has dedicated his life to serve this country: Justice Stephen Breyer—an Army veteran, Constitutional scholar, and retiring Justice of the United States Supreme Court. Justice Breyer, thank you for your service. \n\nOne of the most serious constitutional responsibilities a President has is nominating someone to serve on the United States Supreme Court. \n\nAnd I did that 4 days ago, when I nominated Circuit Court of Appeals Judge Ketanji Brown Jackson. One of our nation’s top legal minds, who will continue Justice Breyer’s legacy of excellence.'
虽然这确实包含了关于 Ketanji Brown Jackson 的相关信息，但我们没有简洁易懂的人类可读答案。我们将在下一节中解决这个问题。
使用 LLM 生成流畅的答案
通过将数据索引到 MVI 中，我们可以与利用向量相似性搜索的任何链集成。在这里，我们使用 RetrievalQA 链来演示如何从索引数据中回答问题。
首先，我们加载相关的模块
from langchain.chains import RetrievalQA
from langchain_openai import ChatOpenAI
然后我们实例化检索 QA 链
llm = ChatOpenAI(model="gpt-3.5-turbo", temperature=0)
qa_chain = RetrievalQA.from_chain_type(llm, retriever=vector_db.as_retriever())
qa_chain({"query": "What did the president say about Ketanji Brown Jackson?"})
{'query': 'What did the president say about Ketanji Brown Jackson?',
'result': "The President said that he nominated Circuit Court of Appeals Judge Ketanji Brown Jackson to serve on the United States Supreme Court. He described her as one of the nation's top legal minds and mentioned that she has received broad support from various groups, including the Fraternal Order of Police and former judges appointed by Democrats and Republicans."}
后续步骤
就是这样！您现在已经索引了您的数据，并且可以使用 Momento 向量索引查询它。您可以使用相同的索引从任何支持向量相似性搜索的链中查询您的数据。
使用 Momento，您不仅可以索引您的向量数据，还可以缓存您的 API 调用并存储您的聊天消息历史记录。查看其他 Momento langchain 集成以了解更多信息。
要了解有关 Momento 向量索引的更多信息，请访问 Momento 文档。