Creare applicazioni basate su LLM utilizzando LangChain

Questa pagina illustra come creare applicazioni basate su LLM utilizzando LangChain. Le panoramiche in questa pagina rimandano alle guide alle procedure su GitHub.

Che cos'è LangChain?

LangChain è un framework di orchestrazione LLM che aiuta gli sviluppatori a creare applicazioni di AI generativa o flussi di lavoro di generazione basata sul recupero (RAG). Fornisce la struttura, gli strumenti e i componenti per semplificare i flussi di lavoro LLM complessi.

Per ulteriori informazioni su LangChain, consulta la pagina Google LangChain. Per ulteriori informazioni sul framework LangChain, consulta la documentazione del prodotto LangChain.

Componenti LangChain per Cloud SQL per PostgreSQL

Cloud SQL per PostgreSQL offre le seguenti interfacce LangChain:

Scopri come utilizzare LangChain con la guida rapida di LangChain per Cloud SQL per PostgreSQL.

Repository di vettori per Cloud SQL per PostgreSQL

Il repository di vettori recupera e archivia documenti e metadati da un database vettoriale. Il Vector Store offre a un'applicazione la possibilità di eseguire ricerche semantiche che interpretino il significato di una query dell'utente. Questo tipo di ricerca è chiamata ricerca vettoriale e può trovare argomenti che corrispondono concettualmente alla query. Al momento della query, lo spazio vettoriale recupera gli embedding più simili a quello della richiesta di ricerca. In LangChain, un datastore vettoriale si occupa di archiviare i dati incorporati ed eseguire la ricerca vettoriale per te.

Per lavorare con lo spazio vettoriale in Cloud SQL per PostgreSQL, utilizza la classe PostgresVectorStore.

Per ulteriori informazioni, consulta la documentazione del prodotto LangChain Vector Stores.

Guida alla procedura del negozio Vector

La guida di Cloud SQL per PostgreSQL per vettore spiega come eseguire le seguenti operazioni:

  • Installa il pacchetto di integrazione e LangChain
  • Crea un oggetto PostgresEngine e configura un pool di connessioni al database Cloud SQL per PostgreSQL
  • Inizializzare una tabella
  • Creare un oggetto di incorporamento utilizzando VertexAIEmbeddings
  • Inizializzare un PostgresVectorStore predefinito
  • Aggiungi testi
  • Eliminare i messaggi
  • Cercare documenti
  • Cercare documenti per vettore
  • Aggiungi un indice per accelerare le query di ricerca di vettori
  • Esegui nuovamente l'indicizzazione
  • Rimuovere un indice
  • Creare un negozio di vettori personalizzato
  • Cercare documenti con un filtro dei metadati

Caricatore di documenti per Cloud SQL per PostgreSQL

Il caricatore di documenti salva, carica ed elimina gli oggetti Document LangChain. Ad esempio, puoi caricare i dati per l'elaborazione negli embedding e immagazzinarli nel repository di vettori o utilizzarli come strumento per fornire un contesto specifico alle catene.

Per caricare i documenti dal caricatore di documenti in Cloud SQL per PostgreSQL, utilizza la classe PostgresLoader. PostgresLoader restituisce un elenco di documenti da una tabella utilizzando la prima colonna per i contenuti della pagina e tutte le altre colonne per i metadati. La tabella predefinita ha la prima colonna come contenuti della pagina e la seconda come metadati JSON. Ogni riga diventa un documento. Utilizza la classe PostgresDocumentSaver per salvare ed eliminare i documenti.

Per ulteriori informazioni, consulta l'argomento Caricatori di documenti di LangChain.

Guida alla procedura di caricamento dei documenti

La guida di Cloud SQL per PostgreSQL per il caricamento di documenti mostra come eseguire le seguenti operazioni:

  • Installa il pacchetto di integrazione e LangChain
  • Caricare documenti da una tabella
  • Aggiungere un filtro al caricatore
  • Personalizzare la connessione e l'autenticazione
  • Personalizzare la creazione del documento specificando i contenuti e i metadati dei clienti
  • Come utilizzare e personalizzare un PostgresDocumentSaver per archiviare ed eliminare i documenti

Cronologia dei messaggi della chat per Cloud SQL per PostgreSQL

Le applicazioni di domande e risposte richiedono una cronologia delle cose dette nella conversazione per fornire il contesto dell'applicazione per rispondere ad altre domande dell'utente. La classe LangChain ChatMessageHistory consente all'applicazione di salvare i messaggi in un database e recuperarli quando necessario per formulare ulteriori risposte. Un messaggio può essere una domanda, una risposta, un'affermazione, un saluto o qualsiasi altro testo fornito dall'utente o dall'applicazione durante la conversazione. ChatMessageHistory memorizza ogni messaggio e li collega per ogni conversazione.

Cloud SQL per PostgreSQL estende questa classe con PostgresChatMessageHistory.

Guida alla procedura per la cronologia dei messaggi di Chat

La guida di Cloud SQL per PostgreSQL per la cronologia dei messaggi di chat mostra come eseguire le seguenti operazioni:

  • Installa LangChain e autenticati su Google Cloud
  • Crea un oggetto PostgresEngine e configura un pool di connessioni al database Cloud SQL per PostgreSQL
  • Inizializzare una tabella
  • Inizializza la classe PostgresChatMessageHistory per aggiungere ed eliminare i messaggi
  • Crea una catena per la cronologia dei messaggi utilizzando il linguaggio di espressioni LangChain (LCEL) e i modelli di chat di Vertex AI di Google

Passaggi successivi