En esta página, se presenta cómo compilar aplicaciones con tecnología de LLM a través de LangChain. Las descripciones generales de esta página se vinculan a guías de procedimiento en GitHub.
¿Qué es LangChain?
LangChain es un framework de organización de LLM que ayuda a los desarrolladores a compilar aplicaciones de IA generativa o flujos de trabajo de generación de aumento de recuperación (RAG). Proporciona la estructura, las herramientas y los componentes para optimizar los flujos de trabajo complejos de LLM.
Para obtener más información acerca de LangChain, consulta la página Google LangChain. Para obtener más información sobre el framework de LangChain, consulta la documentación del producto LangChain.
Componentes de LangChain de Cloud SQL para PostgreSQL
Cloud SQL para PostgreSQL ofrece las siguientes interfaces de LangChain:
Aprende a usar LangChain con la guía de inicio rápido de LangChain de Cloud SQL para PostgreSQL.
Almacén de vectores de Cloud SQL para PostgreSQL
El almacén de vectores recupera y almacena documentos y metadatos de una base de datos vectorial. El almacén de vectores brinda a una aplicación la capacidad de realizar búsquedas semánticas que interpretan el significado de una consulta de usuario. Este tipo de búsqueda se denomina búsqueda de vectores y puede encontrar temas que coincidan de manera conceptual con la consulta. En el momento de la consulta, el almacén de vectores recupera los vectores de incorporación que son más similares a la incorporación de la solicitud de búsqueda. En LangChain, un almacén de vectores se encarga de almacenar datos incorporados y realizar la búsqueda de vectores por ti.
Si quieres trabajar con el almacén de vectores en Cloud SQL para PostgreSQL, usa la
clase PostgresVectorStore.
Para obtener más información, consulta la documentación del producto LangChain Vector Stores.
Guía de procedimiento del almacén de vectores
En la guía de Cloud SQL para PostgreSQL para el almacén de vectores, se muestra cómo hacer lo siguiente:
- Instalar el paquete de integración y LangChain
- Crea un objeto
PostgresEnginey configura un grupo de conexiones a la base de datos de Cloud SQL para PostgreSQL - Inicializar una tabla
- Crear un objeto incorporado con
VertexAIEmbeddings - Inicializar un
PostgresVectorStorepredeterminado - Agregar textos
- Borrar textos
- Buscar documentos
- Buscar documentos por vector
- Agregar un índice para acelerar las consultas de búsqueda vectorial
- Volver a indexar
- Quitar un índice
- Crear un almacén de vectores personalizado
- Buscar documentos con un filtro de metadatos
Cargador de documentos de Cloud SQL para PostgreSQL
El cargador de documentos guarda, carga y borra un objeto Document de LangChain. Por ejemplo, puedes cargar datos para procesarlos en incorporaciones y almacenarlos en un almacén de vectores o usarlos como una herramienta con el fin de proporcionar contexto específico a las cadenas.
Para cargar documentos desde el cargador de documentos en Cloud SQL para PostgreSQL, usa la
clase PostgresLoader. PostgresLoader devuelve una lista de documentos de una tabla en la que usa la primera columna para el contenido de la página y todas las demás columnas para los metadatos. La tabla predeterminada tiene la primera columna como contenido de página y la segunda columna como metadatos JSON. Cada fila se convierte en un documento. Usa la clase PostgresDocumentSaver para guardar y borrar documentos.
Para obtener más información, consulta el tema Cargadores de documentos de LangChain.
Guía de procedimiento del cargador de documentos
En la guía de Cloud SQL para PostgreSQL para el cargador de documentos, se muestra cómo hacer lo siguiente:
- Instalar el paquete de integración y LangChain
- Cargar documentos desde una tabla
- Agregar un filtro al cargador
- Personalizar la conexión y la autenticación
- Personalizar la creación de documentos con la especificación el contenido y los metadatos del cliente
- Cómo usar y personalizar un
PostgresDocumentSaverpara almacenar y borrar documentos
Historial de mensajes de chat de Cloud SQL para PostgreSQL
Las aplicaciones de preguntas y respuestas requieren un historial de lo que se dijo en la conversación para darle contexto a la aplicación para responder más preguntas del usuario. La clase ChatMessageHistory de LangChain permite que la aplicación guarde mensajes en una base de datos y los recupere cuando sea necesario para formular más respuestas. Un mensaje puede ser una pregunta, una respuesta, una declaración, un saludo o cualquier otro texto que el usuario o la aplicación proporcione durante la conversación.
ChatMessageHistory almacena cada mensaje y los encadena para cada conversación.
Cloud SQL para PostgreSQL extiende esta clase con PostgresChatMessageHistory.
Guía de procedimiento del historial de mensajes de chat
En la guía de Cloud SQL para PostgreSQL para el historial de mensajes de chat, se muestra cómo hacer lo siguiente:
- Instalar LangChain y autenticar Google Cloud
- Crea un objeto
PostgresEnginey configura un grupo de conexiones a la base de datos de Cloud SQL para PostgreSQL - Inicializar una tabla
- Inicializar la clase
PostgresChatMessageHistorypara agregar y borrar mensajes - Crear una cadena para el historial de mensajes con LangChain Expression Language (LCEL) y los modelos de chat de Vertex AI de Google.