Questa pagina illustra come creare applicazioni basate su modelli linguistici di grandi dimensioni (LLM) utilizzando LangChain. Le panoramiche in questa pagina rimandano alle guide alle procedure su 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 Retrieval-Augmented Generation (RAG). Fornisce la struttura, gli strumenti e i componenti per semplificare i workflow LLM complessi.
Per saperne di più su LangChain, consulta la Google LangChain pagina. Per saperne di più sul framework LangChain, consulta la documentazione del prodotto LangChain.
Componenti LangChain per Memorystore for Valkey
Memorystore for Valkey offre le seguenti interfacce LangChain:
Scopri come utilizzare LangChain con la guida rapida di LangChain.
Archivio vettoriale per Memorystore for Valkey
L'archivio vettoriale recupera e archivia documenti e metadati da un database vettoriale. L'archivio vettoriale consente a un'applicazione di eseguire ricerche semantiche che interpretano il significato di una query utente. Questo tipo di ricerca è chiamato ricerca vettoriale e può trovare argomenti che corrispondono concettualmente alla query. Al momento della query, l'archivio vettoriale recupera i vector embedding più simili all'embedding della richiesta di ricerca. In LangChain, un archivio vettoriale si occupa di archiviare i dati incorporati ed eseguire la ricerca vettoriale per te.
Per utilizzare l'archivio vettoriale in Memorystore for Valkey, utilizza la classe RedisVectorStore.
Per saperne di più, consulta la LangChain LangChain.
Guida alla procedura dell'archivio vettoriale
La guida per l'archivio vettoriale mostra come:
- Installare il pacchetto di integrazione e LangChain.
- Inizializzare un indice vettoriale.
- Preparare i documenti per l'archivio vettoriale.
- Aggiungere documenti al datastore vettoriale.
- Eseguire una ricerca di somiglianze (KNN).
- Eseguire una ricerca di somiglianze basata su intervalli.
- Eseguire una ricerca di rilevanza marginale massima (MMR).
- Utilizzare l'archivio vettoriale come recuperatore.
- Eliminare documenti dal datastore vettoriale.
- Eliminare un indice vettoriale.
Loader per documenti per Memorystore for Valkey
Il loader per documenti salva, carica ed elimina gli oggetti Document di LangChain.
Ad esempio, puoi caricare i dati per l'elaborazione negli embedding e archiviarli nel datastore vettoriale o utilizzarli come strumento per fornire un contesto specifico alle catene.
Per caricare i documenti dal loader per documenti in Memorystore for Valkey, utilizza la classe MemorystoreDocumentLoader. Per salvare ed eliminare i documenti, utilizza la classe MemorystoreDocumentSaver.
Per saperne di più, consulta Loader per documenti.
Guida alla procedura del loader per documenti
La guida per il loader per documenti mostra come:
- Installare il pacchetto di integrazione e LangChain.
- Caricare documenti da una tabella.
- Aggiungere un filtro al loader per documenti.
- Personalizzare la connessione e l'autenticazione.
- Personalizzare la creazione dei documenti specificando contenuti e metadati dei clienti.
- Utilizzare e personalizzare la classe
MemorystoreDocumentSaverper archiviare ed eliminare i documenti.
Cronologia dei messaggi di chat per Memorystore for Valkey
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 ChatMessageHistory di LangChain consente all'applicazione di salvare i messaggi in un database e recuperarli quando necessario per formulare ulteriori risposte. Un messaggio può essere una domanda, una risposta, un'affermazione, un saluto o qualsiasi altro testo fornito dall'utente o dall'applicazione durante la conversazione.
ChatMessageHistory archivia ogni messaggio e li concatena per ogni conversazione.
Memorystore for Valkey estende questa classe con MemorystoreChatMessageHistory.
Guida alla procedura della cronologia dei messaggi di chat
La guida per la cronologia dei messaggi di chat mostra come:
- Installare LangChain ed eseguire l'autenticazione a Google Cloud.
- Inizializzare la classe
MemorystoreChatMessageHistoryper aggiungere ed eliminare i messaggi.