Criar aplicativos com tecnologia de LLM usando o 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 Memorystore for Redis Cluster

O Memorystore for Redis Cluster oferece as seguintes interfaces do LangChain:

Aprenda a usar o LangChain com o Guia de início rápido do LangChain para o cluster do Memorystore para Redis.

Armazenamento de vetores para o Memorystore for Redis Cluster

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 é responsável pelo armazenamento de dados incorporados e pela realização da pesquisa de vetor para você.

Para trabalhar com o armazenamento de vetores no Memorystore for Redis Cluster, use a classe RedisVectorStore.

Para mais informações, consulte a documentação do produto LangChain Vector stores.

Guia de procedimentos de armazenamento de vetores

O guia do Memorystore for Redis Cluster para armazenamento de vetores mostra como fazer o seguinte:

  • Instalar o pacote de integração e o LangChain
  • Inicializar um índice vetorial
  • Preparar documentos para a loja de vetores
  • Adicionar documentos ao repositório de vetores
  • Fazer uma pesquisa de similaridade (KNN)
  • Fazer uma pesquisa de similaridade com base em intervalos
  • Realizar uma pesquisa de relevância marginal máxima (MMR)
  • Usar o repositório de vetores como um recuperador
  • Excluir documentos do repositório de vetores
  • Excluir um índice vetorial

Carregador de documentos para o Memorystore for Redis Cluster

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 de vetores ou usá-los como uma ferramenta para fornecer contexto específico para cadeias.

Para carregar documentos do carregador de documentos no Memorystore para Redis Cluster, use a classe MemorystoreDocumentLoader. Use a classe MemorystoreDocumentSaver 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 Memorystore for Redis Cluster sobre o carregador de documentos mostra como fazer o seguinte:

  • 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 MemorystoreDocumentSaver para armazenar e excluir documentos

Histórico de mensagens de chat para o Memorystore for Redis Cluster

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 Memorystore for Redis Cluster estende essa classe com MemorystoreChatMessageHistory.

Guia de procedimentos do histórico de mensagens do Chat

O guia do Memorystore for Redis Cluster para histórico de mensagens de chat mostra como:

  • Instalar o LangChain e fazer a autenticação no Google Cloud
  • Inicialize a classe MemorystoreChatMessageHistory para adicionar e excluir mensagens