Skip to main content
Open In Colab在 GitHub 上打开

缓存

嵌入可以存储或临时缓存，以避免需要重新计算它们。

缓存嵌入可以使用CacheBackedEmbeddings.缓存支持的嵌入器是嵌入器的包装器，该嵌入器缓存 embeddings 存储在键值存储中。文本经过哈希处理，哈希值用作缓存中的键。

初始化CacheBackedEmbeddings是from_bytes_store.它采用以下参数：

  • underlying_embedder：用于嵌入的嵌入器。
  • document_embedding_cache：任意ByteStore用于缓存文档嵌入。
  • batch_size：（可选，默认为None） 要在存储更新之间嵌入的文档数。
  • namespace：（可选，默认为 ）用于文档缓存的命名空间。此命名空间用于避免与其他缓存冲突。例如，将其设置为使用的嵌入模型的名称。""
  • query_embedding_cache：（可选，默认为None或不缓存）一个ByteStore用于缓存查询嵌入，或True使用与document_embedding_cache.

注意：

  • 请务必设置namespace参数，以避免使用不同嵌入模型嵌入的相同文本发生冲突。
  • CacheBackedEmbeddings默认情况下，不缓存查询嵌入。要启用查询缓存，需要指定一个query_embedding_cache.
from langchain.embeddings import CacheBackedEmbeddings

与 Vector Store 一起使用

首先，让我们看一个使用本地文件系统存储嵌入并使用 FAISS 向量存储进行检索的示例。

%pip install --upgrade --quiet  langchain-openai faiss-cpu
from langchain.storage import LocalFileStore
from langchain_community.document_loaders import TextLoader
from langchain_community.vectorstores import FAISS
from langchain_openai import OpenAIEmbeddings
from langchain_text_splitters import CharacterTextSplitter

underlying_embeddings = OpenAIEmbeddings()

store = LocalFileStore("./cache/")

cached_embedder = CacheBackedEmbeddings.from_bytes_store(
    underlying_embeddings, store, namespace=underlying_embeddings.model
)

在嵌入之前，缓存是空的：

list(store.yield_keys())
[]

加载文档，将其拆分为块，嵌入每个块并将其加载到向量存储中。

raw_documents = TextLoader("state_of_the_union.txt").load()
text_splitter = CharacterTextSplitter(chunk_size=1000, chunk_overlap=0)
documents = text_splitter.split_documents(raw_documents)

创建 vector store：

%%time
db = FAISS.from_documents(documents, cached_embedder)
CPU times: user 218 ms, sys: 29.7 ms, total: 248 ms
Wall time: 1.02 s

如果我们再次尝试创建 vector store，它会快得多，因为它不需要重新计算任何嵌入。

%%time
db2 = FAISS.from_documents(documents, cached_embedder)
CPU times: user 15.7 ms, sys: 2.22 ms, total: 18 ms
Wall time: 17.2 ms

下面是一些创建的嵌入：

list(store.yield_keys())[:5]
['text-embedding-ada-00217a6727d-8916-54eb-b196-ec9c9d6ca472',
 'text-embedding-ada-0025fc0d904-bd80-52da-95c9-441015bfb438',
 'text-embedding-ada-002e4ad20ef-dfaa-5916-9459-f90c6d8e8159',
 'text-embedding-ada-002ed199159-c1cd-5597-9757-f80498e8f17b',
 'text-embedding-ada-0021297d37a-2bc1-5e19-bf13-6c950f075062']

交换ByteStore

为了使用不同的ByteStore，只需在创建您的CacheBackedEmbeddings.下面，我们创建一个等效的 cached embeddings 对象，但使用非持久InMemoryByteStore相反：

from langchain.embeddings import CacheBackedEmbeddings
from langchain.storage import InMemoryByteStore

store = InMemoryByteStore()

cached_embedder = CacheBackedEmbeddings.from_bytes_store(
    underlying_embeddings, store, namespace=underlying_embeddings.model
)