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 delle 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 RAG (Retrieval-Augmented Generation). Fornisce la struttura, gli strumenti e i componenti per semplificare i flussi di lavoro dei modelli LLM complessi.

Per ulteriori informazioni su LangChain, consulta la pagina di 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.

Archivio vettoriale per Cloud SQL per PostgreSQL

L'archivio vettoriale recupera e archivia documenti e metadati da un database vettoriale. L'archivio vettoriale offre a un'applicazione la possibilità di eseguire ricerche semantiche che interpretano 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, l'archivio vettoriale recupera i vettori di incorporamento più simili all'incorporamento della richiesta di ricerca. In LangChain, un negozio vettoriale si occupa di archiviare i dati incorporati e di 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 alle procedure di archiviazione vettoriale

La guida di Cloud SQL per PostgreSQL per l'archivio vettoriale mostra come eseguire queste operazioni:

  • 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
  • Inizializza un oggetto PostgresVectorStore predefinito
  • Aggiungi testi
  • Elimina SMS
  • Cerca documenti
  • Cerca documenti per vettore
  • Aggiungi un indice per accelerare le query di ricerca vettoriali
  • Reindicizzazione
  • Rimuovere un indice
  • Crea un archivio vettoriale personalizzato
  • Cercare documenti con un filtro di 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 da elaborare in incorporamenti e archiviarli in un 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 contenuto della pagina e la seconda colonna come metadati JSON. Ogni riga diventa un documento. Utilizza il corso PostgresDocumentSaver per salvare ed eliminare documenti.

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

Guida alla procedura del caricatore di documenti

La guida di Cloud SQL per PostgreSQL per il caricatore di documenti mostra come eseguire queste operazioni:

  • Installa il pacchetto di integrazione e LangChain
  • Caricare documenti da una tabella
  • Aggiungi un filtro al caricatore
  • Personalizza la connessione e l'autenticazione
  • Personalizza Creazione di documenti specificando contenuti e metadati dei clienti
  • 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 delle cose dette nella conversazione per fornire all'applicazione il contesto necessario per rispondere a ulteriori 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 archivia ogni messaggio e concatena i messaggi 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:

  • Installa LangChain ed esegui l'autenticazione 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
  • Creare una catena per la cronologia dei messaggi utilizzando il linguaggio LangChain Expression Language (LCEL) e i modelli di chat Vertex AI di Google

Passaggi successivi