Pathway
Pathway 是一个开放的数据处理框架。它允许您轻松开发处理实时数据源和变化数据的转换管道及机器学习应用程序。
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,从您的链中查询此管道的结果。然而,在底层,Pathway 会在每次数据更改时更新索引,从而为您提供始终最新的答案。
在本笔记本中,我们将使用一个公共演示文档处理管道,该管道用于
- 监控多个云数据源的数据变化。
- 为数据构建向量索引。
我们将使用 VectorStore
客户端连接到索引,该客户端实现了 similarity_search
函数以检索匹配的文档。
本文档中使用的基本管道可以轻松构建存储在云位置的文件的简单向量索引。然而,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 的操作,如不同数据源之间的分组-聚合和连接、基于时间的数据分组和窗口,以及各种连接器。
您需要安装 langchain-community
(使用 pip install -qU 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,我们使用一个公开可用的演示管道,其 REST API 可通过 https://demo-document-indexing.pathway.stream
访问。此演示从 Google Drive 和 Sharepoint 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")
然后我们可以开始提出查询
query = "What is Pathway?"
docs = client.similarity_search(query)
print(docs[0].page_content)
轮到你了! 获取你的管道,或上传新文档到演示管道并重试查询!
基于文件元数据进行筛选
我们支持使用 jmespath 表达式进行文档筛选,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`"
)
获取索引文件信息
PathwayVectorClient.get_vectorstore_statistics()
提供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,以告知用户您的知识库有多新。
client.get_vectorstore_statistics()
您的自定义管道
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 提供的托管管道服务。您也可以运行您自己的 Pathway 管道——有关如何构建管道的信息,请参考Pathway 指南。
处理文档
向量化管道支持用于解析、拆分和嵌入文档的可插拔组件。对于嵌入和拆分,您可以使用Langchain 组件或查看 Pathway 中可用的嵌入器和拆分器。如果未提供解析器,则默认为 UTF-8
解析器。您可以在此处找到可用的解析器。