Creare applicazioni basate su LLM utilizzando LangChain

Questa pagina introduce come creare applicazioni basate su LLM utilizzando LangChain. Le panoramiche di questa pagina rimandano alle guide alle procedure in 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 Retrieval-Augmented Generation (RAG). Fornisce la struttura, gli strumenti e i componenti per semplificare i flussi di lavoro <x0A>LLM complessi.

Per saperne di più 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.

Vector Store per Cloud SQL per PostgreSQL

Vector Store recupera e archivia documenti e metadati da un database vettoriale. Vector Store offre a un'applicazione la possibilità di eseguire ricerche semantiche che interpretano il significato di una query utente. Questo tipo di ricerca è chiamato ricerca vettoriale e può trovare argomenti che corrispondono concettualmente alla query. Al momento della query, il vector store recupera i vettori di embedding più simili all'embedding della richiesta di ricerca. In LangChain, un archivio vettoriale si occupa di archiviare i dati incorporati ed eseguire la ricerca vettoriale per te.

Per lavorare con l'archivio 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 datastore vettoriale

La guida a Cloud SQL per PostgreSQL per l'archivio vettoriale mostra come:

  • Installa il pacchetto di integrazione e LangChain
  • Crea un oggetto PostgresEngine e configura un pool di connessioni al tuo database Cloud SQL per PostgreSQL
  • Inizializzare una tabella
  • Crea un oggetto di incorporamento utilizzando VertexAIEmbeddings
  • Inizializzare un PostgresVectorStore predefinito
  • Aggiungere testi
  • Eliminare i messaggi
  • Cercare documenti
  • Cercare documenti per vettore
  • Aggiungi un indice per accelerare le query di ricerca vettoriale
  • Reindicizza
  • Rimuovere un indice
  • Creare un archivio vettoriale 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 incorporamenti e archiviarli nell'archivio vettoriale o utilizzarli come strumento per fornire un contesto specifico alle catene.

Per caricare 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 saperne di più, consulta l'argomento Caricatori di documenti LangChain.

Guida alla procedura di caricamento dei documenti

La guida a Cloud SQL per PostgreSQL per il caricatore di documenti mostra come:

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

Cronologia dei messaggi di chat per Cloud SQL per PostgreSQL

Le applicazioni di domande e risposte richiedono una cronologia di ciò che è stato detto nella conversazione per fornire all'applicazione il contesto per rispondere a ulteriori domande dell'utente. La classe ChatMessageHistory di LangChain 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 che l'utente o l'applicazione forniscono durante la conversazione. ChatMessageHistory memorizza ogni messaggio e li concatena 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 della chat mostra come:

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

Passaggi successivi