Pathway
Pathway 是一个开放的数据处理框架。它使您能够轻松开发数据转换管道和机器学习应用程序，这些应用程序可以处理实时数据源和变化的数据。
本笔记本演示了如何将实时 Pathway 数据索引管道与 Langchain 结合使用。您可以像查询常规向量存储一样，从链中查询此管道的结果。但是，在底层，Pathway 会在每次数据更改时更新索引，从而始终为您提供最新的答案。
在本笔记本中，我们将使用一个公开演示文档处理管道，该管道
- 监控多个云数据源的数据更改。
- 为数据构建向量索引。
要拥有您自己的文档处理管道，请查看托管产品或构建您自己的管道。
我们将使用 VectorStore 客户端连接到索引，该客户端实现了 similarity_search 函数来检索匹配的文档。
本文档中使用的基本管道允许轻松构建存储在云位置的文件的简单向量索引。但是，Pathway 提供了构建实时数据管道和应用程序所需的一切，包括类似 SQL 的表操作，如分组减少和不同数据源之间的连接、基于时间的数据分组和窗口化，以及各种连接器。
您需要使用 pip install -qU langchain-community 安装 langchain-community 才能使用此集成
查询数据管道
要实例化和配置客户端，您需要提供文档索引管道的 url 或 host 和 port。在下面的代码中，我们使用了一个公开可用的 演示管道，您可以通过 https://demo-document-indexing.pathway.stream 访问其 REST API。此演示从 Google Drive 和 Sharepoint 中摄取文档，并维护一个用于检索文档的索引。
from langchain_community.vectorstores import PathwayVectorClient
client = PathwayVectorClient(url="https://demo-document-indexing.pathway.stream")
我们可以开始提问
query = "What is Pathway?"
docs = client.similarity_search(query)
print(docs[0].page_content)
基于文件元数据进行过滤
我们支持使用 jmespath 表达式进行文档过滤，例如
# take into account only sources modified later than unix timestamp
docs = client.similarity_search(query, metadata_filter="modified_at >= `1702672093`")
# take into account only sources modified later than unix timestamp
docs = client.similarity_search(query, metadata_filter="owner == `james`")
# take into account only sources with path containing 'repo_readme'
docs = client.similarity_search(query, metadata_filter="contains(path, 'repo_readme')")
# and of two conditions
docs = client.similarity_search(
query, metadata_filter="owner == `james` && modified_at >= `1702672093`"
)
# or of two conditions
docs = client.similarity_search(
query, metadata_filter="owner == `james` || modified_at >= `1702672093`"
)
获取有关索引文件的信息
PathwayVectorClient.get_vectorstore_statistics() 提供有关向量存储状态的基本统计信息，例如索引文件的数量和上次更新的时间戳。您可以在您的链中使用它来告诉用户您的知识库有多新鲜。
client.get_vectorstore_statistics()
您自己的管道
在生产环境中运行
要拥有您自己的 Pathway 数据索引管道，请查看 Pathway 的 托管管道 产品。您也可以运行您自己的 Pathway 管道 - 有关如何构建管道的信息，请参阅 Pathway 指南。
处理文档
向量化流水线支持可插拔的组件，用于解析、分割和嵌入文档。对于嵌入和分割，您可以使用Langchain 组件，或者查看 Pathway 中提供的嵌入器和分割器。如果未提供解析器，则默认使用 UTF-8 解析器。您可以在此处找到可用的解析器。