本页面介绍了如何使用 LangChain 构建依托 LLM 的应用。本页上的概览链接到 GitHub 中的过程指南。
什么是 LangChain？
LangChain 是一个 LLM 编排框架，可帮助开发者构建生成式 AI 应用或检索增强生成 (RAG) 工作流。它提供了可简化复杂 LLM 工作流的结构、工具和组件。
如需详细了解 LangChain，请参阅 Google LangChain 页面。如需详细了解 LangChain 框架，请参阅 LangChain 产品文档。
Memorystore for Redis 的 LangChain 组件
Memorystore for Redis 提供以下 LangChain 接口：
如需了解如何使用 LangChain，请参阅适用于 Memorystore for Redis 的 LangChain 快速入门。
Memorystore for Redis 的向量存储
矢量存储区从矢量数据库中检索并存储文档和元数据。矢量存储区让应用能够执行解释用户查询含义的语义搜索。这种类型的搜索称为矢量搜索，它可以查找在概念上与查询匹配的主题。查询时，矢量存储区会检索与搜索请求的嵌入最相似的嵌入矢量。在 LangChain 中，矢量存储区负责存储嵌入的数据并为您执行矢量搜索。
如需在 Memorystore for Redis 中使用矢量存储区，请使用 RedisVectorStore 类。
如需了解详情，请参阅 LangChain 矢量存储区产品文档。
矢量存储区过程指南
关于矢量存储区的 Memorystore for Redis 指南介绍了如何执行以下操作：
- 安装集成软件包和 LangChain
- 初始化向量索引
- 为向量存储区准备文档
- 向向量存储区添加文档
- 执行相似度搜索 (KNN)
- 执行基于范围的相似度搜索
- 执行最大边际相关性 (MMR) 搜索
- 将向量存储用作检索器
- 从矢量存储区中删除文档
- 删除向量索引
Memorystore for Redis 的文档加载器
文档加载器会保存、加载和删除 LangChain Document 对象。例如，您可以将要处理的数据加载到嵌入中，并将其存储在矢量存储区，或将其用作向链提供特定上下文的工具。
如需从 Memorystore for Redis 中的文档加载器加载文档，请使用 MemorystoreDocumentLoader 类。使用 MemorystoreDocumentSaver 类来保存和删除文档。
如需了解详情，请参阅 LangChain 文档加载器主题。
文档加载器过程指南
关于文档加载器的 Memorystore for Redis 指南介绍了如何执行以下操作：
- 安装集成软件包和 LangChain
- 从表中加载文档
- 向加载器添加过滤条件
- 自定义连接和身份验证
- 通过指定客户内容和元数据来自定义文档构造
- 如何使用并自定义
MemorystoreDocumentSaver来存储和删除文档
Memorystore for Redis 的聊天消息历史记录
问答应用需要对话中所述内容的历史记录，以便提供应用上下文来回答用户的其他问题。LangChain ChatMessageHistory 类可让应用将消息保存到数据库，并在需要时检索消息来编制更多答案。消息可以是问题、答案、陈述句、问候语或者用户或应用在对话期间提供的其他任何一段文字。ChatMessageHistory 会存储每条消息，并将每个对话的消息链接在一起。
Memorystore for Redis 使用 MemorystoreChatMessageHistory 扩展此类。
聊天消息记录过程指南
Memorystore for Redis 聊天消息历史记录指南介绍了如何：
- 安装 LangChain 并向 Google Cloud进行身份验证
- 初始化
MemorystoreChatMessageHistory类以添加和删除消息