Halaman ini memperkenalkan cara membangun aplikasi yang didukung LLM menggunakan LangChain. Ringkasan di halaman ini ditautkan ke panduan prosedur di GitHub.
Apa itu LangChain?
LangChain adalah framework orkestrasi LLM yang membantu developer membangun aplikasi AI generatif atau alur kerja retrieval-augmented generation (RAG). Platform ini menyediakan struktur, alat, dan komponen untuk menyederhanakan alur kerja LLM yang kompleks.
Untuk mengetahui informasi selengkapnya tentang LangChain, lihat halaman Google LangChain. Untuk mengetahui informasi selengkapnya tentang framework LangChain, lihat dokumentasi produk LangChain.
Komponen LangChain untuk Cloud SQL for PostgreSQL
Cloud SQL untuk PostgreSQL menawarkan antarmuka LangChain berikut:
Pelajari cara menggunakan LangChain dengan Panduan Memulai LangChain untuk Cloud SQL for PostgreSQL.
Penyimpanan vektor untuk Cloud SQL untuk PostgreSQL
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 embedding yang paling mirip dengan embedding permintaan penelusuran. Di LangChain, penyimpanan vektor menangani penyimpanan data tersemat dan melakukan penelusuran vektor untuk Anda.
Untuk menggunakan penyimpanan vektor di Cloud SQL untuk PostgreSQL, gunakan class
PostgresVectorStore
.
Untuk mengetahui informasi selengkapnya, lihat dokumentasi produk LangChain Vector Stores.
Panduan prosedur penyimpanan vektor
Panduan Cloud SQL untuk PostgreSQL bagi penyimpanan vektor menunjukkan cara melakukan hal berikut:
- Menginstal paket integrasi dan LangChain
- Buat objek
PostgresEngine
dan konfigurasi kumpulan koneksi ke database Cloud SQL for PostgreSQL Anda - Menginisialisasi tabel
- Buat objek penyematan menggunakan
VertexAIEmbeddings
- Lakukan inisialisasi
PostgresVectorStore
default - Menambahkan teks
- Menghapus teks
- Menelusuri dokumen
- Menelusuri dokumen berdasarkan vektor
- Menambahkan indeks untuk mempercepat kueri penelusuran vektor
- Mengindeks ulang
- Menghapus indeks
- Membuat penyimpanan vektor kustom
- Menelusuri dokumen dengan filter metadata
Pemuat dokumen untuk Cloud SQL untuk PostgreSQL
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 pemuat dokumen di Cloud SQL untuk PostgreSQL, gunakan
kelas PostgresLoader
. PostgresLoader
menampilkan daftar dokumen dari
tabel menggunakan kolom pertama untuk konten halaman dan semua kolom lainnya untuk
metadata. Tabel default memiliki kolom pertama sebagai konten halaman dan kolom kedua sebagai metadata JSON. Setiap baris menjadi dokumen. Gunakan class
PostgresDocumentSaver
untuk menyimpan dan menghapus dokumen.
Untuk mengetahui informasi selengkapnya, lihat topik Pemuat Dokumen LangChain.
Panduan prosedur pemuat dokumen
Panduan Cloud SQL untuk PostgreSQL bagi pemuat dokumen menunjukkan cara melakukan hal berikut:
- Menginstal paket integrasi dan LangChain
- Memuat dokumen dari tabel
- Menambahkan filter ke pemuat
- Menyesuaikan koneksi dan autentikasi
- Menyesuaikan pembuatan Dokumen dengan menentukan konten dan metadata pelanggan
- Cara menggunakan dan menyesuaikan
PostgresDocumentSaver
untuk menyimpan dan menghapus dokumen
Histori pesan chat untuk Cloud SQL untuk PostgreSQL
Aplikasi tanya jawab memerlukan histori hal-hal yang diucapkan dalam percakapan untuk memberikan konteks aplikasi dalam 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 teks lainnya yang diberikan pengguna atau aplikasi selama percakapan.
ChatMessageHistory
menyimpan setiap pesan dan mengaitkan pesan untuk setiap percakapan.
Cloud SQL untuk PostgreSQL memperluas class ini dengan PostgresChatMessageHistory
.
Panduan prosedur histori pesan chat
Panduan Cloud SQL untuk PostgreSQL terkait histori pesan chat menunjukkan cara melakukan hal berikut:
- Instal LangChain dan autentikasi ke Google Cloud
- Buat objek
PostgresEngine
dan konfigurasi kumpulan koneksi ke database Cloud SQL for PostgreSQL Anda - Menginisialisasi tabel
- Inisialisasi class
PostgresChatMessageHistory
untuk menambahkan dan menghapus pesan - Membuat rangkaian untuk histori pesan menggunakan LangChain Expression Language (LCEL) dan model chat Vertex AI Google