Baidu Cloud ElasticSearch VectorSearch
百度智能雲 VectorSearch 是一個完全託管、企業級分散式搜尋和分析服務，100% 相容於開源。百度智能雲 VectorSearch 為結構化/非結構化資料提供低成本、高效能且可靠的檢索和分析平台級產品服務。作為向量資料庫，它支援多種索引類型和相似度距離方法。
Baidu Cloud ElasticSearch提供權限管理機制，讓您可以自由配置叢集權限，進一步確保資料安全。
本筆記本展示如何使用與 Baidu Cloud ElasticSearch VectorStore 相關的功能。若要執行，您應該已啟動並執行 Baidu Cloud ElasticSearch 執行個體
閱讀說明文件，快速熟悉並配置 Baidu Cloud ElasticSearch 執行個體。
執行個體啟動並執行後，請按照以下步驟分割文件、取得嵌入、連線至百度智能雲 elasticsearch 執行個體、索引文件，並執行向量檢索。
我們需要先安裝以下 Python 套件。
%pip install --upgrade --quiet langchain-community elasticsearch == 7.11.0
首先，我們要使用 QianfanEmbeddings，因此必須取得 Qianfan AK 和 SK。關於 QianFan 的詳細資訊，請參閱 百度千帆大模型平台
import getpass
import os
if "QIANFAN_AK" not in os.environ:
os.environ["QIANFAN_AK"] = getpass.getpass("Your Qianfan AK:")
if "QIANFAN_SK" not in os.environ:
os.environ["QIANFAN_SK"] = getpass.getpass("Your Qianfan SK:")
其次，分割文件並取得嵌入。
from langchain_community.document_loaders import TextLoader
from langchain_text_splitters import CharacterTextSplitter
loader = TextLoader("../../../state_of_the_union.txt")
documents = loader.load()
text_splitter = CharacterTextSplitter(chunk_size=1000, chunk_overlap=0)
docs = text_splitter.split_documents(documents)
from langchain_community.embeddings import QianfanEmbeddingsEndpoint
embeddings = QianfanEmbeddingsEndpoint()
然後，建立可存取的 Baidu ElasticeSearch 執行個體。
# Create a bes instance and index docs.
from langchain_community.vectorstores import BESVectorStore
bes = BESVectorStore.from_documents(
documents=docs,
embedding=embeddings,
bes_url="your bes cluster url",
index_name="your vector index",
)
bes.client.indices.refresh(index="your vector index")
API 參考：BESVectorStore
最後，查詢和檢索資料
query = "What did the president say about Ketanji Brown Jackson"
docs = bes.similarity_search(query)
print(docs[0].page_content)
如果您在使用過程中遇到任何問題，請隨時聯絡 liuboyao@baidu.com 或 chenweixu01@baidu.com，我們將盡力為您提供支援。