Criar aplicativos com tecnologia de LLM usando LangChain
Esta página apresenta como criar aplicativos com tecnologia de LLM usando o LangChain. As visões gerais nesta página têm links para guias de procedimento no GitHub.
O que é o LangChain?
O LangChain é um framework de orquestração de LLM que ajuda os desenvolvedores a criar aplicativos de IA generativa ou fluxos de trabalho de geração aumentada de recuperação (RAG, na sigla em inglês). Ele fornece a estrutura, as ferramentas e os componentes para otimizar fluxos de trabalho complexos de LLM.
Para mais informações sobre o LangChain, consulte a página Google LangChain. Para mais informações sobre o framework LangChain, consulte a documentação do produto LangChain.
Componentes do LangChain para o Firestore
O Firestore oferece as seguintes interfaces do LangChain:
Armazenamento de vetores para o Firestore
O repositório de vetores recupera e armazena documentos e metadados de um banco de dados de vetores. O armazenamento de vetores permite que um aplicativo realize pesquisas semânticas que interpretam o significado de uma consulta do usuário. Esse tipo de pesquisa é chamado de pesquisa vetorial e pode encontrar tópicos que correspondam conceitualmente à consulta. No momento da consulta, o armazenamento de vetores recupera os vetores de embedding mais semelhantes ao embedding da solicitação de pesquisa. No LangChain, um repositório de vetores cuida de armazenar dados incorporados e realizar a pesquisa vetorial para você.
Para trabalhar com armazenamento de vetores no Firestore, use o
FirestoreVectorStore.
Para mais informações, consulte a documentação do produto LangChain Vector Stores.
Guia de procedimentos de armazenamento de vetores
O guia do Firestore para armazenamento de vetores mostra como fazer o seguinte:
- Instalar o pacote de integração e o LangChain
- Inicializar uma tabela para o armazenamento de vetores
- Configurar um serviço de incorporação usando
VertexAIEmbeddings - Inicializar o
FirestoreVectorStore - Atualizar e excluir documentos
- Pesquisar documentos semelhantes
- Criar um repositório de vetores personalizado para se conectar a um Firestore atual um banco de dados que tem uma tabela com embeddings de vetores
Carregador de documentos para o Firestore
O carregador de documentos salva, carrega e exclui objetos Document do LangChain.
Por exemplo, é possível carregar dados para processamento em embeddings e armazenar
em um armazenamento vetorial ou como uma ferramenta para dar contexto específico às cadeias.
Para carregar documentos do Firestore, use a classe
FirestoreLoader. Os métodos FirestoreLoader retornam um ou mais documentos de uma tabela. Usar
a classe FirestoreSaver para salvar e excluir documentos.
Para mais informações, consulte o tópico Carregadores de documentos LangChain.
Guia de procedimentos do carregador de documentos
O guia do Firestore para documentação loader mostra como:
- Instalar o pacote de integração e o LangChain
- Carregar documentos de uma tabela
- Adicionar um filtro ao carregador
- Personalizar a conexão e a autenticação
- Personalize a construção de documentos especificando o conteúdo e os metadados do cliente
- Como usar e personalizar um
FirestoreSaverpara armazenar e excluir documentos
Histórico de mensagens de chat para o Firestore
Aplicativos de perguntas e respostas exigem um histórico do que foi dito na
conversa para dar ao aplicativo contexto para responder a outras perguntas
do usuário. A classe ChatMessageHistory do LangChain permite que o aplicativo
salve mensagens em um banco de dados e as recupere quando necessário para formular outras
respostas. Uma mensagem pode ser uma pergunta, uma resposta, uma declaração, uma saudação ou qualquer outro texto que o usuário ou aplicativo faz durante a conversa.
O ChatMessageHistory armazena cada mensagem e encadeia mensagens para cada
conversa.
O Firestore estende essa classe com FirestoreChatMessageHistory.
Guia de procedimentos do histórico de mensagens do Chat
O guia do Firestore para mensagens de chat histórico mostra como:
- Instalar o LangChain e fazer a autenticação no Google Cloud
- Inicialize a classe
FirestoreChatMessageHistorypara adicionar e excluir mensagens - Usar um cliente para personalizar a conexão e a autenticação