Crea applicazioni basate su LLM utilizzando LangChain
Questa pagina introduce come creare applicazioni basate su LLM utilizzando LangChain. Le panoramiche di questa pagina rimandano alle guide alle procedure in GitHub.
Che cos'è LangChain?
LangChain è un framework di orchestrazione LLM che aiuta gli sviluppatori a creare applicazioni di AI generativa o workflow di generazione RAG (Retrieval-Augmented Generation). Fornisce la struttura, gli strumenti e i componenti per semplificare i workflow complessi degli LLM.
Per ulteriori informazioni su LangChain, consulta la pagina Google LangChain. Per ulteriori informazioni sul framework LangChain, consulta la documentazione del prodotto LangChain.
Componenti LangChain per Bigtable
Bigtable offre le seguenti interfacce LangChain:
Scopri come utilizzare LangChain con la guida rapida di LangChain per Bigtable. Questa guida rapida crea un'applicazione che accede a un set di dati di filmati Netflix in modo che gli utenti possano interagire con i dati dei film.
Datastore vettoriale per Bigtable
Puoi utilizzare l'archivio vettoriale per salvare documenti di testo insieme ai relativi incorporamenti vettoriali e altri metadati in una tabella Bigtable. In questo modo potrai:
- Cerca nei tuoi documenti con tecniche come la ricerca di similarità vettoriale o la ricerca di massima pertinenza marginale (MMR).
- Esegui un ulteriore filtro sui risultati della ricerca vettoriale con i metadati dei documenti.
Per saperne di più, consulta l'argomento LangChain vector stores.
Guida alla procedura del datastore vettoriale
La guida a Bigtable per gli archivi di vettori mostra come:
- Installa il pacchetto di integrazione e LangChain
- Configurare il servizio di incorporamento
- Crea e configura l'archivio Bigtable
- Personalizza la connessione e l'autenticazione
- Esegui una query nell'archivio con l'algoritmo k-NN e filtra i risultati in base ai metadati del documento
Archivio coppia chiave-valore per Bigtable
Bigtable fornisce un archivio chiave-valore per LangChain sotto forma
di una classe ByteStore che consente di lavorare con documenti o incorporamenti archiviati
come oggetti byte. Questo approccio può aiutarti a ridurre in modo significativo i costi e la latenza
quando esegui attività come la memorizzazione nella cache e l'indicizzazione degli incorporamenti per query ripetute.
Per maggiori informazioni, consulta l'argomento Archivi chiave-valore LangChain.
Guida alla procedura dell'archivio coppia chiave-valore
La guida Bigtable per gli archivi chiave-valore mostra come:
- Installa il pacchetto di integrazione e LangChain
- Inizializza il motore e le tabelle richiesti
- Personalizza la connessione e l'autenticazione
- Come utilizzare
BigtableByteStorecome livello di memorizzazione nella cache per gli embedding vettoriali
Document Loader per Bigtable
Il caricatore di documenti salva, carica ed elimina gli oggetti Document di LangChain.
Ad esempio, puoi caricare i dati da elaborare negli incorporamenti e archiviarli
nel vector store o utilizzarli come strumento per fornire un contesto specifico alle catene.
Per caricare documenti dal caricatore di documenti in Bigtable, utilizza la classe
BigtableLoader. I metodi BigtableLoader restituiscono uno o più documenti
da una tabella. Utilizza la classe BigtableSaver per salvare ed eliminare i documenti.
Per saperne di più, consulta l'argomento Caricatori di documenti LangChain.
Guida alla procedura di caricamento dei documenti
La guida a Bigtable per il caricatore di documenti mostra come:
- Installa il pacchetto di integrazione e LangChain
- Caricare documenti da una tabella
- Aggiungere un filtro al caricatore
- Personalizza la connessione e l'autenticazione
- Personalizzare la creazione del documento specificando i contenuti e i metadati del cliente
- Come utilizzare e personalizzare un
BigtableSaverper archiviare ed eliminare documenti
Cronologia dei messaggi di chat per Bigtable
Le applicazioni di domande e risposte richiedono una cronologia di ciò che è stato detto nella conversazione per fornire all'applicazione il contesto per rispondere a ulteriori domande dell'utente. La classe LangChain ChatMessageHistory consente all'applicazione
di salvare i messaggi e recuperarli quando necessario per formulare ulteriori
risposte. Un messaggio può essere una domanda, una risposta, un'affermazione, un saluto o qualsiasi
altro testo che l'utente o l'applicazione forniscono durante la conversazione.
ChatMessageHistory memorizza ogni messaggio e li concatena per ogni conversazione.
Bigtable estende questa classe con BigtableChatMessageHistory.
Guida alla procedura per la cronologia dei messaggi di chat
La guida di Bigtable per la cronologia dei messaggi di chat mostra come:
- Installa LangChain e autenticati su Google Cloud
- Inizializza lo schema Bigtable
- Inizializza la classe
BigtableChatMessageHistoryper aggiungere ed eliminare messaggi - Utilizza un client per personalizzare la connessione e l'autenticazione