SemaDB
SemaDB 来自 SemaFind 是一个用于构建 AI 应用程序的简单易用的向量相似性数据库。托管的
SemaDB Cloud提供了简单的开发者体验，方便您入门。
API 的完整文档以及示例和交互式游乐场可在 RapidAPI 上获得。
此笔记本演示了 SemaDB Cloud 向量存储的使用。
您需要使用 pip install -qU langchain-community 安装 langchain-community 才能使用此集成。
加载文档嵌入
为了在本地运行，我们使用的是 Sentence Transformers，它通常用于嵌入句子。您可以使用 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)
API 参考：HuggingFaceEmbeddings
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))
API 参考：TextLoader | CharacterTextSplitter
114
连接到 SemaDB
SemaDB Cloud 使用 RapidAPI 密钥 进行身份验证。您可以通过创建一个免费的 RapidAPI 帐户来获取您的密钥。
import getpass
import os
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，句子转换器嵌入会生成 768 维向量。
- API_KEY：是您的 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，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作为点元数据添加以供稍后收集。存储大量文本**不建议**。如果您正在索引大型集合，我们建议改为存储文档的引用，例如外部 ID。
db.add_documents(docs)[:2]
['813c7ef3-9797-466b-8afa-587115592c6c',
'fc392f7f-082b-4932-bfcc-06800db5e017']
相似度搜索
我们使用默认的 LangChain 相似度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
您可以删除集合以删除所有数据。
db.delete_collection()
True