Creare applicazioni basate su LLM utilizzando LangChain

Questa pagina illustra come creare applicazioni basate su LLM utilizzando LangChain. Le panoramiche link alla pagina delle guide alle procedure in GitHub.

Che cos'è LangChain?

LangChain è un framework di orchestrazione LLM che aiuta gli sviluppatori a creare applicazioni di IA 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 LangChain . Per ulteriori informazioni sul framework LangChain, consulta LangChain documentazione del prodotto.

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

L'archivio vettoriale recupera e archivia documenti e metadati da un database vettoriale. Il datastore vettoriale dà a un'applicazione la possibilità di eseguire ricerche semantiche interpretare 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 tuo Database Cloud SQL per PostgreSQL
  • Inizializzare una tabella
  • Creare un oggetto di incorporamento utilizzando VertexAIEmbeddings
  • Inizializzare un PostgresVectorStore predefinito
  • Aggiungi testi
  • Elimina SMS
  • Cercare documenti
  • Cerca documenti per vettore
  • Aggiungi un indice per accelerare le query di ricerca di vettori
  • Esegui nuovamente l'indicizzazione
  • Rimuovere un indice
  • Crea un archivio vettoriale personalizzato
  • Cercare documenti con un filtro di metadati

Caricatore di documenti per Cloud SQL per PostgreSQL

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

Per caricare documenti dal caricatore di documenti in Cloud SQL per PostgreSQL, utilizza PostgresLoader corso. PostgresLoader restituisce un elenco di documenti da un che utilizza la prima colonna per i contenuti della pagina e tutte le altre colonne per 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 PostgresDocumentSaver corso per salvare ed eliminare documenti.

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

Guida alla procedura del caricatore di documenti

La guida di Cloud SQL per PostgreSQL per il documento loader ti mostra come svolgere 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 i documenti

Cronologia dei messaggi di chat per Cloud SQL per PostgreSQL

Le applicazioni di domande e risposte richiedono una cronologia delle cose dette nel conversazione per fornire il contesto dell'applicazione e rispondere ad altre domande da parte 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 ed esegui l'autenticazione 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 LangChain Expression Language (LCEL) e i modelli di chat Vertex AI di Google

Passaggi successivi