维京数据库

viking DB 是一个用于存储、索引和管理由深度神经网络及其他机器学习（ML）模型生成的海量嵌入向量的数据库。

本笔记本展示了如何使用与VikingDB向量数据库相关的功能。

您需要使用 langchain-community 安装 pip install -qU langchain-community 才能使用此集成

!pip install --upgrade volcengine

我们想要使用 VikingDBEmbeddings，因此必须获取 VikingDB API 密钥。

import getpass
import os

if "OPENAI_API_KEY" not in os.environ:
    os.environ["OPENAI_API_KEY"] = getpass.getpass("OpenAI API Key:")

from langchain_community.document_loaders import TextLoader
from langchain_community.vectorstores.vikingdb import VikingDB, VikingDBConfig
from langchain_openai import OpenAIEmbeddings
from langchain_text_splitters import RecursiveCharacterTextSplitter

API 参考:文本加载器 |VikingDB | VikingDBConfig | OpenAI嵌入 |递归字符文本分割器

loader = TextLoader("./test.txt")
documents = loader.load()
text_splitter = RecursiveCharacterTextSplitter(chunk_size=10, chunk_overlap=0)
docs = text_splitter.split_documents(documents)

embeddings = OpenAIEmbeddings()

db = VikingDB.from_documents(
    docs,
    embeddings,
    connection_args=VikingDBConfig(
        host="host", region="region", ak="ak", sk="sk", scheme="http"
    ),
    drop_old=True,
)

query = "What did the president say about Ketanji Brown Jackson"
docs = db.similarity_search(query)

docs[0].page_content

使用维京数据库集合对数据进行隔离

您可以在同一个viking DB实例中的不同集合中存储互不相关的文档，以保持上下文

以下是创建新集合的方法

db = VikingDB.from_documents(
    docs,
    embeddings,
    connection_args=VikingDBConfig(
        host="host", region="region", ak="ak", sk="sk", scheme="http"
    ),
    collection_name="collection_1",
    drop_old=True,
)

而这便是你如何检索已存储的集合

db = VikingDB.from_documents(
    embeddings,
    connection_args=VikingDBConfig(
        host="host", region="region", ak="ak", sk="sk", scheme="http"
    ),
    collection_name="collection_1",
)

检索后，你可以像往常一样继续查询它。

向量存储概念指南
向量存储使用指南

使用维京数据库集合对数据进行隔离​

相关​

使用维京数据库集合对数据进行隔离

相关