跳到主要内容

SemaDB

SemaDB 来自 SemaFind，是一个用于构建 AI 应用程序的简单向量相似性数据库。托管的 SemaDB Cloud 提供了一个简单的开发者体验，可帮助你快速入门。

API 的完整文档以及示例和交互式演示可在 RapidAPI 上找到。

此笔记本演示了 SemaDB Cloud 向量存储的使用方法。

你需要安装 langchain-community，使用 pip install -qU langchain-community 来使用此集成

加载文档嵌入​

为了在本地运行，我们使用 Sentence Transformers，它们通常用于嵌入句子。你可以使用 LangChain 提供的任何嵌入模型。

%pip install --upgrade --quiet  sentence_transformers
from langchain_huggingface import HuggingFaceEmbeddings

model_name = "sentence-transformers/all-mpnet-base-v2"
embeddings = HuggingFaceEmbeddings(model_name=model_name)
from langchain_community.document_loaders import TextLoader
from langchain_text_splitters import CharacterTextSplitter

loader = TextLoader("../../how_to/state_of_the_union.txt")
documents = loader.load()
text_splitter = CharacterTextSplitter(chunk_size=400, chunk_overlap=0)
docs = text_splitter.split_documents(documents)
print(len(docs))
114

连接到 SemaDB​

SemaDB Cloud 使用 RapidAPI 密钥进行身份验证。你可以通过创建一个免费的 RapidAPI 帐户来获取你的密钥。

import getpass
import os

if "SEMADB_API_KEY" not in os.environ:
    os.environ["SEMADB_API_KEY"] = getpass.getpass("SemaDB API Key:")
SemaDB API Key: ········
from langchain_community.vectorstores import SemaDB
from langchain_community.vectorstores.utils import DistanceStrategy
API 参考：SemaDB | DistanceStrategy

SemaDB 向量存储的参数直接反映了 API

  • "mycollection"：是我们将在其中存储这些向量的集合名称。
  • 768：是向量的维度。在我们的例子中，句子 Transformer 嵌入产生 768 维的向量。
  • API_KEY：是你的 RapidAPI 密钥。
  • embeddings：对应于如何生成文档、文本和查询的嵌入。
  • DistanceStrategy：是使用的距离度量。如果使用 COSINE，则包装器会自动规范化向量。
db = SemaDB("mycollection", 768, embeddings, DistanceStrategy.COSINE)

# Create collection if running for the first time. If the collection
# already exists this will fail.
db.create_collection()
True

SemaDB 向量存储包装器将文档文本添加为点元数据，以便稍后收集。不建议存储大量的文本块。如果你正在索引一个大型集合，我们建议存储对文档的引用，例如外部 ID。

db.add_documents(docs)[:2]
['813c7ef3-9797-466b-8afa-587115592c6c',
 'fc392f7f-082b-4932-bfcc-06800db5e017']

我们使用默认的 LangChain 相似性搜索接口来搜索最相似的句子。

query = "What did the president say about Ketanji Brown Jackson"
docs = db.similarity_search(query)
print(docs[0].page_content)
And 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.
docs = db.similarity_search_with_score(query)
docs[0]
(Document(page_content='And 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.', metadata={'source': '../../how_to/state_of_the_union.txt', 'text': 'And 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.'}),
 0.42369342)

清理​

你可以删除集合以删除所有数据。

db.delete_collection()
True

此页面是否有帮助？