跳到主要内容

MongoDB Atlas

本笔记本介绍了如何使用langchain-mongodb包在 LangChain 中使用 MongoDB Atlas 向量搜索。

MongoDB Atlas 是一个完全托管的云数据库，可在 AWS、Azure 和 GCP 中使用。它支持对 MongoDB 文档数据进行原生向量搜索、全文搜索 (BM25) 和混合搜索。

MongoDB Atlas 向量搜索 允许将嵌入存储在 MongoDB 文档中，创建向量搜索索引，并使用近似最近邻算法 (Hierarchical Navigable Small Worlds) 执行 KNN 搜索。它使用 $vectorSearch MQL Stage。

设置​

*运行 MongoDB 6.0.11、7.0.2 或更高版本（包括 RC 版本）的 Atlas 集群。

要使用 MongoDB Atlas，您必须首先部署一个集群。我们提供一个永久免费的集群层，您可以选择云。要开始使用，请访问 Atlas：快速入门。

您需要安装langchain-mongodb和pymongo才能使用此集成。

pip install -qU langchain-mongodb pymongo

凭据​

对于此笔记本，您需要找到您的 MongoDB 集群 URI。

有关查找集群 URI 的信息，请阅读本指南。

import getpass

MONGODB_ATLAS_CLUSTER_URI = getpass.getpass("MongoDB Atlas Cluster URI:")

如果您希望获得一流的自动化模型调用跟踪，您还可以通过取消注释以下代码来设置您的 LangSmith API 密钥

# os.environ["LANGSMITH_API_KEY"] = getpass.getpass("Enter your LangSmith API key: ")
# os.environ["LANGSMITH_TRACING"] = "true"

初始化​

pip install -qU langchain-openai
import getpass
import os

if not os.environ.get("OPENAI_API_KEY"):
  os.environ["OPENAI_API_KEY"] = getpass.getpass("Enter API key for OpenAI: ")

from langchain_openai import OpenAIEmbeddings

embeddings = OpenAIEmbeddings(model="text-embedding-3-large")
from langchain_mongodb import MongoDBAtlasVectorSearch
from pymongo import MongoClient

# initialize MongoDB python client
client = MongoClient(MONGODB_ATLAS_CLUSTER_URI)

DB_NAME = "langchain_test_db"
COLLECTION_NAME = "langchain_test_vectorstores"
ATLAS_VECTOR_SEARCH_INDEX_NAME = "langchain-test-index-vectorstores"

MONGODB_COLLECTION = client[DB_NAME][COLLECTION_NAME]

vector_store = MongoDBAtlasVectorSearch(
    collection=MONGODB_COLLECTION,
    embedding=embeddings,
    index_name=ATLAS_VECTOR_SEARCH_INDEX_NAME,
    relevance_score_fn="cosine",
)

# Create vector search index on the collection
# Since we are using the default OpenAI embedding model (ada-v2) we need to specify the dimensions as 1536
vector_store.create_vector_search_index(dimensions=1536)

[可选] 除了上面的vector_store.create_vector_search_index命令之外，您还可以使用以下索引定义通过 Atlas UI 创建向量搜索索引

{
  "fields":[
    {
      "type": "vector",
      "path": "embedding",
      "numDimensions": 1536,
      "similarity": "cosine"
    }
  ]
}

管理向量存储​

创建向量存储后，我们可以通过添加和删除不同的项目来与之交互。

向向量存储添加项目​

我们可以使用add_documents函数将项目添加到我们的向量存储中。

from uuid import uuid4

from langchain_core.documents import Document

document_1 = Document(
    page_content="I had chocalate chip pancakes and scrambled eggs for breakfast this morning.",
    metadata={"source": "tweet"},
)

document_2 = Document(
    page_content="The weather forecast for tomorrow is cloudy and overcast, with a high of 62 degrees.",
    metadata={"source": "news"},
)

document_3 = Document(
    page_content="Building an exciting new project with LangChain - come check it out!",
    metadata={"source": "tweet"},
)

document_4 = Document(
    page_content="Robbers broke into the city bank and stole $1 million in cash.",
    metadata={"source": "news"},
)

document_5 = Document(
    page_content="Wow! That was an amazing movie. I can't wait to see it again.",
    metadata={"source": "tweet"},
)

document_6 = Document(
    page_content="Is the new iPhone worth the price? Read this review to find out.",
    metadata={"source": "website"},
)

document_7 = Document(
    page_content="The top 10 soccer players in the world right now.",
    metadata={"source": "website"},
)

document_8 = Document(
    page_content="LangGraph is the best framework for building stateful, agentic applications!",
    metadata={"source": "tweet"},
)

document_9 = Document(
    page_content="The stock market is down 500 points today due to fears of a recession.",
    metadata={"source": "news"},
)

document_10 = Document(
    page_content="I have a bad feeling I am going to get deleted :(",
    metadata={"source": "tweet"},
)

documents = [
    document_1,
    document_2,
    document_3,
    document_4,
    document_5,
    document_6,
    document_7,
    document_8,
    document_9,
    document_10,
]
uuids = [str(uuid4()) for _ in range(len(documents))]

vector_store.add_documents(documents=documents, ids=uuids)
API 参考：文档
['03ad81e8-32a0-46f0-b7d8-f5b977a6b52a',
 '8396a68d-f4a3-4176-a581-a1a8c303eea4',
 'e7d95150-67f6-499f-b611-84367c50fa60',
 '8c31b84e-2636-48b6-8b99-9fccb47f7051',
 'aa02e8a2-a811-446a-9785-8cea0faba7a9',
 '19bd72ff-9766-4c3b-b1fd-195c732c562b',
 '642d6f2f-3e34-4efa-a1ed-c4ba4ef0da8d',
 '7614bb54-4eb5-4b3b-990c-00e35cb31f99',
 '69e18c67-bf1b-43e5-8a6e-64fb3f240e52',
 '30d599a7-4a1a-47a9-bbf8-6ed393e2e33c']

从向量存储中删除项目​

vector_store.delete(ids=[uuids[-1]])
True

查询向量存储​

创建向量存储并添加相关文档后，您很可能希望在运行链或代理期间查询它。

直接查询​

可以按如下方式执行简单的相似性搜索

results = vector_store.similarity_search(
    "LangChain provides abstractions to make working with LLMs easy", k=2
)
for res in results:
    print(f"* {res.page_content} [{res.metadata}]")
* Building an exciting new project with LangChain - come check it out! [{'_id': 'e7d95150-67f6-499f-b611-84367c50fa60', 'source': 'tweet'}]
* LangGraph is the best framework for building stateful, agentic applications! [{'_id': '7614bb54-4eb5-4b3b-990c-00e35cb31f99', 'source': 'tweet'}]

带分数的相似性搜索​

您也可以使用分数进行搜索

results = vector_store.similarity_search_with_score("Will it be hot tomorrow?", k=1)
for res, score in results:
    print(f"* [SIM={score:3f}] {res.page_content} [{res.metadata}]")
* [SIM=0.784560] The weather forecast for tomorrow is cloudy and overcast, with a high of 62 degrees. [{'_id': '8396a68d-f4a3-4176-a581-a1a8c303eea4', 'source': 'news'}]

Atlas 向量搜索支持使用 MQL 运算符进行过滤的预过滤。下面是一个示例索引和对上面加载的相同数据进行的查询，允许您对“page”字段执行元数据过滤。您可以使用定义的过滤器更新现有索引，并使用向量搜索进行预过滤。

要启用预过滤，您需要更新索引定义以包含一个过滤器字段。在此示例中，我们将使用source字段作为过滤器字段。

可以使用MongoDBAtlasVectorSearch.create_vector_search_index方法以编程方式完成此操作。

vectorstore.create_vector_search_index(
  dimensions=1536,
  filters=[{"type":"filter", "path":"source"}],
  update=True
)

或者，您也可以使用以下索引定义通过 Atlas UI 更新索引

{
  "fields":[
    {
      "type": "vector",
      "path": "embedding",
      "numDimensions": 1536,
      "similarity": "cosine"
    },
    {
      "type": "filter",
      "path": "source"
    }
  ]
}

然后您可以按如下方式运行带过滤器的查询

results = vector_store.similarity_search(query="foo", k=1, pre_filter={"source": {"$eq": "https://example.com"}})
for doc in results:
    print(f"* {doc.page_content} [{doc.metadata}]")

其他搜索方法​

还有许多其他搜索方法，本笔记本未涵盖，例如 MMR 搜索或按向量搜索。有关 MongoDBAtlasVectorStore 可用的所有搜索功能的完整列表，请查看API 参考。

通过转换为检索器进行查询​

您还可以将向量存储转换为检索器，以便在链中更轻松地使用。

以下是如何将您的向量存储转换为检索器，然后使用简单的查询和筛选条件调用检索器。

retriever = vector_store.as_retriever(
    search_type="similarity_score_threshold",
    search_kwargs={"k": 1, "score_threshold": 0.2},
)
retriever.invoke("Stealing from the bank is a crime")
[Document(metadata={'_id': '8c31b84e-2636-48b6-8b99-9fccb47f7051', 'source': 'news'}, page_content='Robbers broke into the city bank and stole $1 million in cash.')]

用于检索增强生成的使用​

有关如何将此向量存储用于检索增强生成 (RAG) 的指南，请参阅以下部分

其他注意事项

  • 更多文档可以在MongoDB 的 LangChain 文档站点找到
  • 此功能已正式发布，可用于生产部署。
  • langchain 版本 0.0.305 (发行说明) 引入了对 $vectorSearch MQL 阶段的支持，该阶段在 MongoDB Atlas 6.0.11 和 7.0.2 中可用。 使用早期版本 MongoDB Atlas 的用户需要将他们的 LangChain 版本固定到 <=0.0.304

API 参考​

有关所有 MongoDBAtlasVectorSearch 功能和配置的详细文档，请访问 API 参考：https://python.langchain.ac.cn/api_reference/mongodb/index.html

此页是否对您有帮助？