深入探索DingoDB：打造多模式向量数据库的实践指南-CSDN博客

本文链接：https://blog.csdn.net/stjklkjhgffxw/article/details/142765709

# 引言
DingoDB 是一种分布式多模式向量数据库，结合了数据湖和向量数据库的特性，能够存储任何类型和大小的数据（键值对、PDF、音频、视频等）。它具有实时低延迟处理能力，可用于快速洞察和响应，并能高效地进行多模态数据的即时分析。本文将演示如何在 DingoDB 向量存储中使用 SelfQueryRetriever，帮助开发者更好地处理数据。

# 主要内容

## 创建 DingoDB 索引
首先，我们需要创建一个 DingoDB 向量存储，并填充一些数据。这里，我们将使用一个包含电影摘要的小型演示数据集。

### 安装依赖
要使用 DingoDB，我们需要保证实例已启动运行。

```shell
%pip install --upgrade --quiet dingodb
# 或安装最新版：
%pip install --upgrade --quiet git+https://git@github.com/dingodb/pydingo.git

设置 OpenAI Embeddings

我们将使用 OpenAI Embeddings，因此需要获取 OpenAI API Key。

import os
from langchain_community.vectorstores import Dingo
from langchain_core.documents import Document
from langchain_openai import OpenAIEmbeddings

OPENAI_API_KEY = ""
os.environ["OPENAI_API_KEY"] = OPENAI_API_KEY

embeddings = OpenAIEmbeddings()

创建新索引

from dingodb import DingoDB

index_name = "langchain_demo"

dingo_client = DingoDB(user="", password="", host=["172.30.14.221:13000"])
# 检查索引是否存在，如果不存在则创建
if index_name not in dingo_client.get_index():
    dingo_client.create_index(index_name=index_name, dimension=1536, metric_type="cosine", auto_id=False)

创建 SelfQueryRetriever

接下来，我们将实例化 SelfQueryRetriever。

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]"),
    AttributeInfo(name="year", description="The year the movie was released", type="integer"),
    AttributeInfo(name="director", description="The name of the movie director", type="string"),
    AttributeInfo(name="rating", description="A 1-10 rating for the movie", type="float")
]

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

以下示例展示了如何使用 SelfQueryRetriever 查询电影数据。

# 示例: 查找关于恐龙的电影
retriever.invoke("What are some movies about dinosaurs")

# 示例: 查找评分高于8.5的电影
retriever.invoke("I want to watch a movie rated higher than 8.5")