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。
适用于 Spanner 的 LangChain 组件
Spanner 提供以下 LangChain 接口：
了解如何使用 LangChain 快速入门 Spanner 实例。
Spanner 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 Spanner 中使用矢量存储，请使用
SpannerVectorStore 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
适用于矢量的 Spanner 指南 商店 向您展示如何执行以下操作：
- 安装集成软件包和 LangChain
- 为矢量存储初始化表
- 使用
VertexAIEmbeddings设置嵌入服务 - 初始化
SpannerVectorStore - 添加和删除文档
- 搜索类似文档
- 创建自定义矢量存储以连接到现有的 Spanner 具有矢量嵌入表的数据库
Spanner 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，你可以将数据加载到嵌入中进行处理，
可以将其存储在向量存储区中，也可以将其用作工具来提供特定的上下文。
链。
如需从 Spanner 加载文档，请使用 SpannerLoader 类。
使用 SpannerDocumentSaver 类保存和删除
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
Spanner 文档指南 加载器 向您展示如何执行以下操作：
- 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建
- 如何使用并自定义
SpannerDocumentSaver来存储和删除文档
Spanner 的 Chat 消息历史记录
问答应用需要使用
对话，为应用提供上下文，以便回答进一步的问题
。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。
Spanner 使用 SpannerChatMessageHistory 扩展了此类。
聊天消息记录过程指南
聊天消息的 Spanner 指南 history会向您展示如何执行以下操作：
- 安装 LangChain 并向 Google Cloud 进行身份验证
- 初始化表
- 初始化
SpannerChatMessageHistory类以添加和删除消息 - 使用客户端自定义连接和身份验证
- 删除
SpannerChatMessageHistory会话