Moorcheh

>Moorcheh Moorcheh 是一个极速的语义搜索引擎和向量存储库。与使用简单的距离度量（如 L2 或余弦相似度）不同，Moorcheh 使用最大信息二值化（MIB）和信息论评分（ITS）来检索精确的文档块。

本页介绍如何在 LangChain 中使用 Moorcheh 进行向量存储、语义搜索和生成式 AI 响应。

安装与设置

安装 Python 集成包：

pip install langchain-moorcheh

从 Moorcheh Console 获取 Moorcheh API 密钥，并将其设置为环境变量：

向量存储

Moorcheh 提供了一个向量存储封装器，允许您高效地存储、搜索和检索文档嵌入。

查看详细使用示例.

from langchain_moorcheh import MoorchehVectorStore

# Initialize the vector store
store = MoorchehVectorStore(
    api_key="your-api-key",
    namespace="your_namespace",
    namespace_type="text"  # or "vector"
)

# Add documents
from langchain_core.documents import Document
documents = [
    Document(page_content="Your document content here", metadata={"source": "example"})
]
store.add_documents(documents=documents)

生成式 AI

Moorcheh 支持使用各种 LLM 模型（包括 Claude 3）进行生成式 AI 响应，让您能够根据存储的文档获取 AI 生成的答案。

# Get an AI-generated answer based on your documents
query = "What are the main topics covered in the documents?"
answer = store.generative_answer(
    query,
    ai_model="anthropic.claude-sonnet-4-6"
)
print(answer)

核心功能

文档管理：使用唯一 ID 添加和删除文档
语义搜索：使用自然语言查询查找相关文档
生成式 AI：使用各种 LLM 模型获取 AI 生成的答案
命名空间组织：将数据组织到独立的命名空间中
元数据支持：使用自定义元数据存储和检索文档

有关更详细的示例和高级用法，请参阅 Moorcheh vectorstore 集成.