Créer des applications basées sur un LLM avec LangChain

Cette page explique comment créer des applications basées sur un grand modèle de langage (LLM) à l'aide de LangChain. Les présentations de cette page sont liées aux guides de procédure dans GitHub.

Qu'est-ce que LangChain ?

LangChain est un framework d'orchestration LLM qui aide les développeurs à créer des applications d'IA générative ou des workflows de génération augmentée de récupération (RAG). Il fournit la structure, les outils et les composants nécessaires pour simplifier les workflows LLM complexes.

Pour plus d'informations sur LangChain, consultez la page Google LangChain. Pour en savoir plus sur le framework LangChain, consultez la documentation du produit de LangChain.

Composants LangChain pour Memorystore pour Valkey

Memorystore pour Valkey propose les interfaces LangChain suivantes :

Apprenez à utiliser LangChain à l'aide du guide de démarrage rapide de LangChain.

Magasin de vecteurs pour Memorystore pour Valkey

Le magasin de vecteurs récupère et stocke les documents et les métadonnées d'une base de données vectorielle. Le magasin de vecteurs permet à une application d'effectuer des recherches sémantiques qui interprétent la signification d'une requête utilisateur. Ce type de recherche est appelé recherche vectorielle. Elle permet de trouver des sujets correspondant à la requête du point de vue conceptuel. Au moment de la requête, le magasin de vecteurs récupère les vecteurs d'embedding qui ressemblent le plus à l'embedding de la requête de recherche. En LangChain, un magasin de vecteurs se charge de stocker les données intégrées et d'effectuer la recherche vectorielle pour vous.

Pour utiliser un magasin de vecteurs dans Memorystore pour Valkey, utilisez la classe RedisVectorStore.

Pour en savoir plus, consultez la documentation produit LangChain.

Guide de procédure pour le magasin de vecteurs

Le guide pour le magasin de vecteurs vous explique comment effectuer les opérations suivantes :

  • Installez le package d'intégration et LangChain.
  • Initialisez un index vectoriel.
  • Préparez les documents pour le Vector Store.
  • Ajoutez des documents au magasin de vecteurs.
  • Effectuez une recherche de similarités (KNN).
  • Effectuez une recherche de similarité basée sur une plage.
  • Effectuez une recherche avec pertinence marginale maximale (MMR).
  • Utilisez le magasin de vecteurs comme récupérateur.
  • Supprime des documents du Vector Store.
  • Supprime un index vectoriel.

Chargeur de documents pour Memorystore pour Valkey

Le chargeur de documents enregistre, charge et supprime les objets Document LangChain. Par exemple, vous pouvez charger des données à traiter dans des embeddings et les stocker dans un magasin de vecteurs ou les utiliser comme outil pour fournir un contexte spécifique aux chaînes.

Pour charger des documents à partir du chargeur de documents dans Memorystore pour Valkey, utilisez la classe MemorystoreDocumentLoader. Pour enregistrer et supprimer des documents, utilisez la classe MemorystoreDocumentSaver.

Pour en savoir plus, consultez Chargeurs de documents.

Guide de procédure du chargeur de documents

Le guide du chargeur de documents vous explique comment :

  • Installez le package d'intégration et LangChain.
  • charger des documents depuis une table ;
  • Ajoutez un filtre au chargeur de documents.
  • Personnalisez la connexion et l'authentification.
  • Personnalisez la construction d'un document en spécifiant les métadonnées et les contenus client.
  • Utilisez et personnalisez la classe MemorystoreDocumentSaver pour stocker et supprimer des documents.

Historique des messages de chat pour Memorystore for Valkey

Les applications de questions-réponses nécessitent un historique de ce qui s'est dit dans la conversation afin de fournir à l'application un contexte qui lui permet de répondre à d'autres questions de l'utilisateur. La classe ChatMessageHistory de LangChain permet à l'application d'enregistrer des messages dans une base de données et de les récupérer si nécessaire pour formuler d'autres réponses. Un message peut être une question, une réponse, une instruction, un message d'accueil ou tout autre texte émis par l'utilisateur ou l'application au cours d'une conversation. ChatMessageHistory stocke chaque message et enchaîne les messages pour chaque conversation.

Memorystore pour Valkey étend cette classe avec MemorystoreChatMessageHistory.

Guide de procédure pour l'historique des messages de chat

Le guide pour l'historique des messages de chat vous explique comment :

  • Installez LangChain et authentifiez-vous auprès de Google Cloud.
  • initialiser la classe MemorystoreChatMessageHistory pour ajouter et supprimer des messages ;