Halaman ini memperkenalkan cara mem-build aplikasi yang didukung LLM menggunakan LangChain. Ringkasan di halaman ini tertaut ke panduan prosedur di GitHub.
Apa itu LangChain?
LangChain adalah framework orkestrasi LLM yang membantu developer membuat aplikasi AI generatif atau alur kerja retrieval-augmented generation (RAG). Framework ini menyediakan struktur, alat, dan komponen untuk menyederhanakan alur kerja LLM yang kompleks.
Untuk informasi selengkapnya tentang LangChain, lihat halaman LangChain Google. Untuk informasi selengkapnya tentang framework LangChain, lihat dokumentasi produk LangChain.
Komponen LangChain untuk Spanner
Spanner menawarkan antarmuka LangChain berikut:
Pelajari cara menggunakan komponen ini dalam aplikasi dengan LangChain Quickstart untuk Spanner.
Penyimpanan vektor untuk Spanner
Penyimpanan vektor mengambil dan menyimpan dokumen serta metadata dari database vektor. Penyimpanan vektor memberi aplikasi kemampuan untuk melakukan penelusuran semantik yang menafsirkan makna kueri pengguna. Jenis penelusuran ini disebut penelusuran vektor, dan dapat menemukan topik yang cocok dengan kueri secara konseptual. Pada waktu kueri, penyimpanan vektor mengambil vektor penyematan yang paling mirip dengan penyematan permintaan penelusuran. Di LangChain, penyimpanan vektor akan menyimpan data tersemat dan melakukan penelusuran vektor untuk Anda.
Untuk menggunakan penyimpanan vektor di Spanner, gunakan class SpannerVectorStore.
Untuk informasi selengkapnya, lihat dokumentasi produk Penyimpanan Vektor LangChain.
Panduan prosedur penyimpanan vektor
Panduan Spanner untuk penyimpanan vektor menunjukkan cara melakukan hal berikut:
- Menginstal paket integrasi dan LangChain
- Melakukan inisialisasi tabel untuk penyimpanan vektor
- Menyiapkan layanan penyematan menggunakan
VertexAIEmbeddings - Melakukan inisialisasi
SpannerVectorStore - Menambahkan dan menghapus dokumen
- Menelusuri dokumen serupa
- Membuat penyimpanan vektor kustom untuk terhubung ke database Spanner yang sudah ada yang memiliki tabel dengan penyematan vektor
Loader dokumen untuk Spanner
Pemuat dokumen menyimpan, memuat, dan menghapus objek Document
LangChain. Misalnya, Anda dapat memuat data untuk diproses ke dalam penyematan dan
menyimpannya di penyimpanan vektor atau menggunakannya sebagai alat untuk memberikan konteks tertentu
ke rantai.
Untuk memuat dokumen dari Spanner, gunakan class SpannerLoader.
Gunakan class SpannerDocumentSaver untuk menyimpan dan menghapus dokumen.
Untuk informasi selengkapnya, lihat topik Loader Dokumen LangChain.
Panduan prosedur loader dokumen
Panduan Spanner untuk loader dokumen menunjukkan cara melakukan hal berikut:
- Menginstal paket integrasi dan LangChain
- Memuat dokumen dari tabel
- Menambahkan filter ke loader
- Menyesuaikan koneksi dan autentikasi
- Menyesuaikan pembuatan dokumen dengan menentukan konten dan metadata pelanggan
- Cara menggunakan dan menyesuaikan
SpannerDocumentSaveruntuk menyimpan dan menghapus dokumen
Histori pesan chat untuk Spanner
Aplikasi pertanyaan dan jawaban memerlukan histori hal-hal yang diucapkan dalam
percakapan untuk memberikan konteks aplikasi guna menjawab pertanyaan lebih lanjut
dari pengguna. Class ChatMessageHistory LangChain memungkinkan aplikasi
menyimpan pesan ke database dan mengambilnya saat diperlukan untuk merumuskan jawaban
lebih lanjut. Pesan dapat berupa pertanyaan, jawaban, pernyataan, sapaan, atau
bagian teks lainnya yang diberikan pengguna atau aplikasi selama percakapan.
ChatMessageHistory menyimpan setiap pesan dan merangkai pesan untuk setiap
percakapan.
Spanner memperluas class ini dengan SpannerChatMessageHistory.
Panduan prosedur histori pesan Chat
Panduan Spanner untuk histori pesan chat menunjukkan cara melakukan hal berikut:
- Instal LangChain dan lakukan autentikasi ke Google Cloud
- Melakukan inisialisasi tabel
- Lakukan inisialisasi class
SpannerChatMessageHistoryuntuk menambahkan dan menghapus pesan - Menggunakan klien untuk menyesuaikan koneksi dan autentikasi
- Menghapus sesi
SpannerChatMessageHistory