Skip to main content
Open In ColabOpen on GitHub

Xata

Xata 是一个基于 PostgreSQL 的无服务器数据平台。它提供了一个 Python SDK，用于与数据库进行交互，以及一个用于管理数据的用户界面。 Xata 具有原生的向量类型，可以添加到任意表中，并支持相似性搜索。LangChain 可直接将向量插入 Xata，并查询给定向量的最近邻居，因此你可以将所有 LangChain 嵌入（Embeddings）集成与 Xata 结合使用。

本笔记本指导您如何将 Xata 用作向量存储。

设置​

创建一个用作向量存储的数据库​

在 Xata UI 中创建一个新数据库。你可以将其命名为任何名称，在此记事本中我们将使用 langchain。 创建一个表，同样你可以任意命名，但我们将会使用 vectors。通过 UI 添加以下列：

  • content 类型为“文本”。用于存储 Document.pageContent 的值。
  • embedding 类型为 \"Vector\"。请使用你计划使用的模型对应的维度。在本笔记本中，我们使用 OpenAI 嵌入，其维度为 1536。
  • source 类型为 \"Text\"。此示例中用作元数据列。
  • 您想要用作元数据的任何其他列。它们从 Document.metadata 对象中填充。例如，如果在 Document.metadata 对象中有一个 title 属性，则可以创建一个 title 列，该列将被自动填充。

首先让我们安装依赖项：

%pip install --upgrade --quiet  xata langchain-openai langchain-community tiktoken langchain

让我们将 OpenAI 密钥加载到环境中。如果你还没有密钥，可以创建一个 OpenAI 账户，并在此 页面 上生成密钥。

import getpass
import os

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

同样，我们需要获取 Xata 的环境变量。你可以通过访问你的 账户设置 来创建一个新的 API 密钥。要查找数据库 URL，请进入你所创建的数据库的设置页面。数据库 URL 应该类似于这样：https://demo-uni3q8.eu-west-1.xata.sh/db/langchain。

api_key = getpass.getpass("Xata API key: ")
db_url = input("Xata database URL (copy it from your DB settings):")
from langchain_community.document_loaders import TextLoader
from langchain_community.vectorstores.xata import XataVectorStore
from langchain_openai import OpenAIEmbeddings
from langchain_text_splitters import CharacterTextSplitter

创建 Xata 向量存储​

让我们导入测试数据集：

loader = TextLoader("../../how_to/state_of_the_union.txt")
documents = loader.load()
text_splitter = CharacterTextSplitter(chunk_size=1000, chunk_overlap=0)
docs = text_splitter.split_documents(documents)

embeddings = OpenAIEmbeddings()

现在创建实际的向量存储，由 Xata 表提供支持。

vector_store = XataVectorStore.from_documents(
    docs, embeddings, api_key=api_key, db_url=db_url, table_name="vectors"
)

运行上述命令后，如果你进入 Xata 用户界面，你应该能看到文档及其嵌入向量已一并加载。 要使用已包含向量内容的现有 Xata 表格，请初始化 XataVectorStore 构造函数：

vector_store = XataVectorStore(
    api_key=api_key, db_url=db_url, embedding=embeddings, table_name="vectors"
)
query = "What did the president say about Ketanji Brown Jackson"
found_docs = vector_store.similarity_search(query)
print(found_docs)

相似性搜索并附带分数（向量距离）​

query = "What did the president say about Ketanji Brown Jackson"
result = vector_store.similarity_search_with_score(query)
for doc, score in result:
    print(f"document={doc}, score={score}")