AlloyDB for PostgreSQL 整合 LangChain 後，您就能建構由資料庫支援的大型語言模型 (LLM) 和檢索增強生成 (RAG) 應用程式。您可以使用 AlloyDB 的 LangChain 類別，透過向量儲存庫執行語意搜尋、載入及儲存文件，以及保留即時通訊訊息記錄。每個元件總覽都會連結至 GitHub 中的逐步程序指南。
什麼是 LangChain？
LangChain 是 LLM 自動調度管理框架，可協助開發人員建構生成式 AI 應用程式或檢索增強生成 (RAG) 工作流程。提供可簡化複雜大型語言模型 (LLM) 工作流程的結構、工具和元件。如要進一步瞭解 LLM、用途，以及 Google 提供的特定模型和服務，請參閱「 Google Cloud中的 LLM 概念和服務總覽」。
如要進一步瞭解 LangChain，請參閱 Google LangChain 頁面。如要進一步瞭解 LangChain 架構，請參閱 LangChain 產品說明文件。
AlloyDB 的 LangChain 元件
瞭解如何搭配使用 LangChain 與 AlloyDB 的 LangChain 快速入門導覽課程。本快速入門導覽課程會建立應用程式，存取 Netflix 電影資料集，讓使用者與電影資料互動。
AlloyDB 的向量儲存庫
向量儲存庫會從向量資料庫擷取及儲存文件和中繼資料。向量儲存區可讓應用程式執行語意搜尋，解讀使用者查詢的含意。這類搜尋稱為向量搜尋，可找出與查詢概念相符的主題。查詢時，向量儲存庫會擷取與搜尋要求嵌入最相似的嵌入向量。在 LangChain 中，向量儲存庫會負責儲存嵌入資料，並為您執行向量搜尋。
如要在 AlloyDB 中使用向量儲存庫，請使用 AlloyDBVectorStore 類別。
詳情請參閱 LangChain 向量儲存庫產品說明文件。
向量儲存庫程序指南
AlloyDB 向量儲存區指南說明如何執行下列操作：
- 安裝整合套件和 LangChain
- 建立
AlloyDBEngine物件，並設定 AlloyDB 資料庫的連線集區 - 初始化向量儲存庫的資料表
- 使用
VertexAIEmbeddings設定嵌入服務 - 初始化
AlloyDBVectorStore - 新增及刪除文件
- 搜尋類似文件
- 新增向量索引來提升搜尋效能
- 建立自訂向量儲存庫，連結至現有的 AlloyDB for PostgreSQL 資料庫，其中包含含有向量嵌入的資料表
AlloyDB 的文件載入器
文件載入器會儲存、載入及刪除 LangChain Document 物件。舉例來說，您可以將資料載入嵌入進行處理，然後儲存在向量儲存庫，或做為工具，為鏈結提供特定情境。
如要從 AlloyDB 載入文件，請使用 AlloyDBLoader 類別。AlloyDBLoader 從資料表傳回文件清單，並使用第一欄做為頁面內容，其餘欄則做為中繼資料。預設資料表的第一欄是頁面內容，第二欄是 JSON 中繼資料。每個資料列都會成為文件。如要瞭解如何自訂這些設定，請參閱程序指南。
使用 AlloyDBSaver 類別儲存及刪除文件。
詳情請參閱「LangChain 文件載入器」主題。
文件載入器程序指南
AlloyDB 文件載入器指南說明如何執行下列操作：
- 安裝整合套件和 LangChain
- 從資料表載入文件
- 在載入器中新增篩選器
- 自訂連線和驗證
- 指定客戶內容和中繼資料，自訂文件建構作業
- 如何使用及自訂
AlloyDBSaver來儲存及刪除文件
AlloyDB 的即時通訊訊息記錄
問答應用程式需要對話記錄，才能取得脈絡資訊，回答使用者後續提出的問題。LangChain ChatMessageHistory 類別可讓應用程式將訊息儲存至資料庫，並在需要時擷取訊息，以制定進一步的答案。訊息可以是問題、答案、陳述、問候語，或使用者或應用程式在對話期間提供的任何其他文字。ChatMessageHistory 會儲存每則訊息，並將每個對話的訊息鏈結在一起。
AlloyDB 會使用 AlloyDBChatMessageHistory 擴充這個類別。
即時通訊訊息記錄程序指南
AlloyDB 即時通訊訊息記錄指南說明如何執行下列操作：
- 安裝整合套件和 LangChain
- 建立
AlloyDBEngine物件，並設定 AlloyDB 資料庫的連線集區 - 初始化表格
- 初始化
AlloyDBChatMessageHistory類別，即可新增及刪除訊息 - 使用 LangChain 運算式語言 (LCEL) 建立訊息記錄鏈