Membangun aplikasi yang didukung LLM menggunakan LangChain

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 Cloud SQL untuk MySQL

Cloud SQL untuk MySQL menawarkan antarmuka LangChain berikut:

Pelajari cara menggunakan LangChain dengan Panduan Memulai LangChain untuk Cloud SQL untuk MySQL.

Penyimpanan vektor untuk Cloud SQL untuk MySQL

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 Cloud SQL untuk MySQL, gunakan class MySQLVectorStore.

Untuk informasi selengkapnya, lihat dokumentasi produk Penyimpanan Vektor LangChain.

Panduan prosedur penyimpanan vektor

Panduan Cloud SQL untuk MySQL untuk penyimpanan vektor menunjukkan cara melakukan hal berikut:

  • Menginstal paket integrasi dan LangChain
  • Membuat objek MySQLEngine dan mengonfigurasi kumpulan koneksi ke database Cloud SQL untuk MySQL
  • Melakukan inisialisasi tabel
  • Membuat objek penyematan menggunakan VertexAIEmbeddings
  • Melakukan inisialisasi MySQLVectorStore default
  • Menambahkan teks
  • Menghapus teks
  • Menelusuri dokumen
  • Menelusuri dokumen berdasarkan vektor
  • Menambahkan indeks untuk mempercepat kueri penelusuran vektor
  • Menghapus indeks
  • Membuat penyimpanan vektor kustom
  • Menelusuri dokumen dengan filter metadata

Loader dokumen untuk Cloud SQL untuk MySQL

Pemuat dokumen menyimpan, memuat, dan menghapus objek Document LangChain. Misalnya, Anda dapat memuat data untuk diproses ke dalam penyematan dan menyimpan data tersebut di penyimpanan vektor atau menggunakannya sebagai alat untuk memberikan konteks tertentu ke rantai.

Untuk memuat dokumen dari loader dokumen di Cloud SQL untuk MySQL, gunakan class MySQLLoader. Metode MySQLLoader menampilkan satu atau beberapa dokumen dari tabel. Gunakan class MySQLDocumentSaver untuk menyimpan dan menghapus dokumen.

Untuk informasi selengkapnya, lihat topik Loader Dokumen LangChain.

Panduan prosedur loader dokumen

Panduan Cloud SQL untuk MySQL 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 konstruksi Dokumen dengan menentukan konten dan metadata pelanggan
  • Cara menggunakan dan menyesuaikan MySQLDocumentSaver untuk menyimpan dan menghapus dokumen

Histori pesan chat untuk Cloud SQL untuk MySQL

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.

Cloud SQL untuk MySQL memperluas class ini dengan MySQLChatMessageHistory.

Panduan prosedur histori pesan Chat

Panduan Cloud SQL untuk MySQL untuk histori pesan chat menunjukkan cara melakukan hal berikut:

  • Menginstal LangChain dan melakukan autentikasi ke Google Cloud
  • Membuat objek MySQLEngine dan mengonfigurasi kumpulan koneksi ke database Cloud SQL untuk MySQL
  • Melakukan inisialisasi tabel
  • Lakukan inisialisasi class MySQLChatMessageHistory untuk menambahkan dan menghapus pesan
  • Membuat rantai untuk histori pesan menggunakan Bahasa Ekspresi LangChain (LCEL) dan model chat Vertex AI Google