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
MySQLEnginedan mengonfigurasi kumpulan koneksi ke database Cloud SQL untuk MySQL - Melakukan inisialisasi tabel
- Membuat objek penyematan menggunakan
VertexAIEmbeddings - Melakukan inisialisasi
MySQLVectorStoredefault - 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
Pengisi 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
MySQLDocumentSaveruntuk 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, ucapan, atau
bagian teks lainnya yang diberikan pengguna atau aplikasi selama percakapan.
ChatMessageHistory menyimpan setiap pesan dan mengaitkan 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
MySQLEnginedan mengonfigurasi kumpulan koneksi ke database Cloud SQL untuk MySQL - Melakukan inisialisasi tabel
- Melakukan inisialisasi class
MySQLChatMessageHistoryuntuk menambahkan dan menghapus pesan - Membuat rantai untuk histori pesan menggunakan Bahasa Ekspresi LangChain (LCEL) dan model chat Vertex AI Google