引言
在现代AI应用中,高效的搜索和数据管理是至关重要的。KDB.AI作为一款强大的知识驱动矢量数据库和搜索引擎,提供了实时数据支持,为构建可扩展、可靠的AI应用奠定了基础。本篇文章将展示如何通过LangChain集成KDB.AI实现语义搜索,并提供详细的代码示例及解决方案。
主要内容
1. 环境设置
要开始使用KDB.AI,你需要先注册并获取API端点和密钥。确保按照KDB.AI预备页面的指引设置开发环境。
2. 安装必要的软件包
使用pip安装langchain-community
:
pip install -qU langchain-community
3. 导入所需包
import os
from getpass import getpass
import kdbai_client as kdbai
import pandas as pd
import requests
from langchain.chains import RetrievalQA
from langchain_community.document_loaders import PyPDFLoader
from langchain_community.vectorstores import KDBAI
from langchain_openai import ChatOpenAI, OpenAIEmbeddings
4. 创建KDB.AI会话
KDBAI_ENDPOINT = input("KDB.AI endpoint: ") # 使用API代理服务提高访问稳定性
KDBAI_API_KEY = getpass("KDB.AI API key: ")
session = kdbai.Session(endpoint=KDBAI_ENDPOINT, api_key=KDBAI_API_KEY)
5. 创建表并处理文档
# 定义表的schema
schema = {
"columns": [
{"name": "id", "pytype": "str"},
{"name": "text", "pytype": "bytes"},
{"name": "embeddings", "pytype": "float32", "vectorIndex": {"dims": 1536, "metric": "L2", "type": "hnsw"}},
{"name": "tag", "pytype": "str"},
{"name": "title", "pytype": "bytes"},
]
}
table = session.create_table("documents", schema)
# 下载并读取PDF
URL = "https://www.conseil-constitutionnel.fr/node/3850/pdf"
PDF = "Déclaration_des_droits_de_l_homme_et_du_citoyen.pdf"
open(PDF, "wb").write(requests.get(URL).content)
loader = PyPDFLoader(PDF)
pages = loader.load_and_split()
# 创建矢量数据库
embeddings = OpenAIEmbeddings(model="text-embedding-ada-002")
texts = [p.page_content for p in pages]
metadata = pd.DataFrame(index=list(range(len(texts))))
metadata["tag"] = "law"
metadata["title"] = "Déclaration des Droits de l'Homme et du Citoyen de 1789".encode("utf-8")
vectordb = KDBAI(table, embeddings)
vectordb.add_texts(texts=texts, metadatas=metadata)
代码示例
创建LangChain管道并执行查询:
qabot = RetrievalQA.from_chain_type(
chain_type="stuff",
llm=ChatOpenAI(model="gpt-3.5-turbo-16k", temperature=0.0),
retriever=vectordb.as_retriever(search_kwargs=dict(k=3)),
return_source_documents=True,
)
# 查询文档
question = "Summarize the document in English:"
result = qabot.invoke(dict(query=question))["result"]
print(result)
常见问题和解决方案
- 网络访问问题:由于网络限制,建议使用API代理服务提高访问的稳定性。
- 数据安全性:确保API密钥和敏感信息的安全存储,避免泄露。
总结和进一步学习资源
KDB.AI与LangChain的结合为构建复杂的AI应用提供了强大支持。通过实时数据和强大的语义搜索功能,开发者可以快速构建丰富的推荐和个性化功能。
进一步学习资源:
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—