viking DB
viking DB 是一個資料庫，用於儲存、索引和管理由深度神經網路和其他機器學習 (ML) 模型產生的大量嵌入向量。
這個筆記本示範如何使用與 VikingDB 向量資料庫相關的功能。
您需要安裝 langchain-community，使用指令 pip install -qU langchain-community 才能使用此整合功能。
若要執行，您需要有一個正在運作的 viking DB 實例。
!pip install --upgrade volcengine
我們想要使用 VikingDBEmbeddings，因此需要取得 VikingDB API 金鑰。
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
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 viking DB 集合劃分資料
您可以在同一個 viking DB 實例中的不同集合中儲存不同的不相關文件，以維持上下文。
以下是如何建立新集合的方法
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,
)
以下是如何檢索已儲存的集合的方法
db = VikingDB.from_documents(
embeddings,
connection_args=VikingDBConfig(
host="host", region="region", ak="ak", sk="sk", scheme="http"
),
collection_name="collection_1",
)
檢索之後，您可以像平常一樣繼續查詢。