LangChain中的向量数据库抽象基类－VectorStore
文章目录
- 前言
- 一、原型定义
- 二、常用说明
- 1、添加或更新文档
- 2、添加或更新文本
- 3、通过文档初始化VectorStore对象
- 4、通过文本初始化VectorStore对象
- 5、获得VectorStoreRetriever对象
- 6、查询最相似的文档
- 三、代码解析
- 1、add_documents方法
- 2、add_texts方法
- 3、from_documents方法
- 4、from_texts方法
- 5、as_retriever方法
- 6、similarity_search方法
- 写在结尾
前言
LangChain 是一个用于开发由语言模型驱动的应用程序的框架。LangChain 为处理语言模型所需的组件提供模块化的抽象。LangChain 还为所有这些抽象提供了实现的集合。
本文主要记录LangChain_Core代码包中提供的一个VectorStore的基础抽象类，其中定义的几个常用的操作向量数据库的方法。
一、原型定义
二、常用说明
1、添加或更新文档
在向量库中添加或更新文档。
add_documents(self, documents: list[Document], * * kwargs: Any) - > list[str]
入参：
documents：要添加到向量库的文档。kwargs：其他关键字参数。
如果kwargs包含id并且文档包含id，kwargs中的id将获得优先权。
返回值：
添加文本的ID列表。
异常：
ValueError：如果ID的数量与文档的数量不匹配。
2、添加或更新文本
在嵌入中运行更多文本并添加到向量库中。
add_texts(self, texts: Iterable[str], metadatas: Optional[list[dict]] = None, * , ids: