本頁面由 Cloud Translation API 翻譯而成。

使用 LangChain 建構採用 LLM 的應用程式

本頁介紹如何使用 LangChain 建構 LLM 輔助應用程式。本頁面的總覽會連結至 GitHub 中的程序指南。

什麼是 LangChain？

LangChain 是 LLM 自動化調度管理框架，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。提供結構、工具和元件，可簡化複雜的大型語言模型 (LLM) 工作流程。如要進一步瞭解 LLM、應用實例，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。

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可存取 Netflix 電影資料集的應用程式，讓使用者與電影資料互動。

AlloyDB 的向量儲存庫

向量儲存區會從向量資料庫擷取及儲存文件和中繼資料。向量儲存空間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，可找出概念上與查詢相符的主題。在查詢時，向量儲存區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 向量儲存產品說明文件。

向量儲存庫程序指南

AlloyDB 向量儲存庫指南說明如何完成下列作業：

安裝整合套件和 LangChain
建立 AlloyDBEngine 物件，並設定連線集區至 AlloyDB 資料庫
初始化向量儲存庫的表格
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
建立自訂向量存放區，連線至預先存在的 AlloyDB for PostgreSQL 資料庫，該資料庫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，以便處理，然後將資料儲存在向量儲存空間，或做為工具，為鏈結提供特定脈絡。

如要從 AlloyDB 載入文件，請使用 AlloyDBLoader 類別。AlloyDBLoader 會從表格傳回文件清單，並將第一欄做為頁面內容，其餘欄則做為中繼資料。預設表格的第一欄是網頁內容，第二欄是 JSON 中繼資料。每一列都會變成一個文件。如需自訂這些設定的操作說明，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，自訂文件建構方式
如何使用及自訂 AlloyDBSaver 來儲存及刪除文件

AlloyDB 的 Chat 訊息記錄

問答應用程式需要對話記錄，才能瞭解對話脈絡，進而回答使用者提出的問題。應用程式可透過 LangChain ChatMessageHistory 類別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/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，並將每則對話的訊息串連在一起。

AlloyDB 會使用 AlloyDBChatMessageHistory 擴充這個類別。

Chat 訊息記錄程序指南

這份 AlloyDB 指南說明如何完成下列作業：

安裝整合套件和 LangChain
建立 AlloyDBEngine 物件，並設定連線集區至 AlloyDB 資料庫
初始化資料表
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

後續步驟

使用 LangChain 將資料從向量資料庫遷移至 AlloyDB。