Couchbase

Couchbase 是一个屡获殊荣的分布式 NoSQL 云数据库 提供无与伦比的多功能性、性能、可扩展性和财务价值 适用于您的所有云、移动、AI 和边缘计算应用程序。

安装和设置

我们必须安装langchain-couchbase包。

pip install langchain-couchbase

矢量存储

请参阅使用示例。

from langchain_couchbase import CouchbaseSearchVectorStore

文档加载器

请参阅使用示例。

from langchain_community.document_loaders.couchbase import CouchbaseLoader

API 参考：CouchbaseLoader

LLM 缓存

CouchbaseCache

使用 Couchbase 作为提示和响应的缓存。

请参阅使用示例。

要导入此缓存：

from langchain_couchbase.cache import CouchbaseCache

要将此缓存用于 LLM，请执行以下作：

from langchain_core.globals import set_llm_cache

cluster = couchbase_cluster_connection_object

set_llm_cache(
    CouchbaseCache(
        cluster=cluster,
        bucket_name=BUCKET_NAME,
        scope_name=SCOPE_NAME,
        collection_name=COLLECTION_NAME,
    )
)

API 参考：set_llm_cache

CouchbaseSemanticCache

语义缓存允许用户根据用户输入与以前缓存的输入之间的语义相似性来检索缓存的提示。在后台，它使用 Couchbase 作为缓存和向量存储。 CouchbaseSemanticCache 需要定义 Search Index 才能工作。请查看有关如何设置索引的使用示例。

请参阅使用示例。

要导入此缓存：

from langchain_couchbase.cache import CouchbaseSemanticCache

要将此缓存用于 LLM，请执行以下作：

from langchain_core.globals import set_llm_cache

# use any embedding provider...
from langchain_openai.Embeddings import OpenAIEmbeddings

embeddings = OpenAIEmbeddings()
cluster = couchbase_cluster_connection_object

set_llm_cache(
    CouchbaseSemanticCache(
        cluster=cluster,
        embedding = embeddings,
        bucket_name=BUCKET_NAME,
        scope_name=SCOPE_NAME,
        collection_name=COLLECTION_NAME,
        index_name=INDEX_NAME,
    )
)

API 参考：set_llm_cache

聊天消息历史记录

使用 Couchbase 作为聊天消息的存储。

请参阅使用示例。

要在应用程序中使用聊天消息历史记录：

from langchain_couchbase.chat_message_histories import CouchbaseChatMessageHistory

message_history = CouchbaseChatMessageHistory(
    cluster=cluster,
    bucket_name=BUCKET_NAME,
    scope_name=SCOPE_NAME,
    collection_name=COLLECTION_NAME,
    session_id="test-session",
)

message_history.add_user_message("hi!")