Google BigQuery 向量搜索集成 - 以编程方式使用文档

> Google Cloud BigQuery 向量搜索使您能够使用 GoogleSQL 进行语义搜索，使用向量索引实现快速近似结果，或使用暴力搜索实现精确结果。

本教程说明如何在 LangChain 中使用端到端的数据和嵌入管理系统，并使用BigQueryVectorStore 类在 BigQuery 中提供可扩展的语义搜索。此类是提供统一数据存储和灵活向量搜索的 2 个类之一：

BigQuery 向量搜索：使用 BigQueryVectorStore 类，非常适合无需基础设施设置和批量检索的快速原型开发。
特征存储在线存储：使用 VertexFSVectorStore 类，支持手动或计划数据同步的低延迟检索。非常适合面向用户的生产级 GenAI 应用。

入门指南

安装库

pip install -qU  langchain langchain-google-vertexai "langchain-google-community[featurestore]"

要在此 Jupyter 运行时中使用新安装的包，您必须重启运行时。您可以通过运行下面的单元格来重启，这会重启当前内核。

app = IPython.Application.instance()
app.kernel.do_shutdown(True)

准备工作

设置您的项目 ID

如果您不知道您的项目 ID，请尝试以下方法： - 运行 gcloud config list. - 运行 gcloud projects list. - 查看支持页面：查找项目 ID.

PROJECT_ID = ""  # @param {type:"string"}

# Set the project id
! gcloud config set project {PROJECT_ID}

设置区域

您也可以更改 BigQuery 使用的 REGION 变量。了解更多关于 BigQuery 区域.

REGION = "us-central1"  # @param {type: "string"}

设置数据集和表名称

它们将成为您的 BigQuery 向量存储。

DATASET = "my_langchain_dataset"  # @param {type: "string"}
TABLE = "doc_and_vectors"  # @param {type: "string"}

验证您的笔记本环境

- 如果您使用 **Colab** 运行此笔记本，请取消下面单元格的注释并继续。
- 如果您使用 **Vertex AI Workbench**，请查看 Vertex AI Workbench 设置说明.

# from google.colab import auth as google_auth

# google_auth.authenticate_user()

演示：BigQueryVectorStore

创建嵌入类实例

您可能需要通过运行以下命令在您的项目中启用 Vertex AI API gcloud services enable aiplatform.googleapis.com --project {PROJECT_ID} （将 {PROJECT_ID} 替换为您的项目名称）。

您可以使用任何 LangChain 嵌入模型.

from langchain_google_vertexai import VertexAIEmbeddings

embedding = VertexAIEmbeddings(
    model_name="textembedding-gecko@latest", project=PROJECT_ID
)

初始化 BigQueryVectorStore

如果 BigQuery 数据集和表不存在，将自动创建。请参阅类定义了解所有可选参数。

from langchain_google_community import BigQueryVectorStore

store = BigQueryVectorStore(
    project_id=PROJECT_ID,
    dataset_name=DATASET,
    table_name=TABLE,
    location=REGION,
    embedding=embedding,
)

添加文本

all_texts = ["Apples and oranges", "Cars and airplanes", "Pineapple", "Train", "Banana"]
metadatas = [{"len": len(t)} for t in all_texts]

store.add_texts(all_texts, metadatas=metadatas)

搜索文档

query = "I'd like a fruit."
docs = store.similarity_search(query)
print(docs)

通过向量搜索文档

query_vector = embedding.embed_query(query)
docs = store.similarity_search_by_vector(query_vector, k=2)
print(docs)

使用元数据过滤器搜索文档

向量存储在执行文档搜索时支持两种将过滤器应用于元数据字段的方法：

- 基于字典的过滤器
- 您可以传递一个字典（dict），其中键表示元数据字段，值指定过滤条件。此方法在键和对应值之间应用相等过滤器。当提供多个键值对时，它们使用逻辑 AND 操作组合。
- 基于 SQL 的过滤器
- 或者，您可以提供一个表示 SQL WHERE 子句的字符串来定义更复杂的过滤条件。这允许更大的灵活性，支持比较运算符和逻辑运算符等 SQL 表达式。了解更多关于 BigQuery 运算符.

# Dictionary-based Filters
# This should only return "Banana" document.
docs = store.similarity_search_by_vector(query_vector, filter={"len": 6})
print(docs)

# SQL-based Filters
# This should return "Banana", "Apples and oranges" and "Cars and airplanes" documents.
docs = store.similarity_search_by_vector(query_vector, filter="len = 6 AND len > 17")
print(docs)

批量搜索

BigQueryVectorStore 提供 batch_search 用于可扩展向量相似性搜索的方法。

results = store.batch_search(
    embeddings=None,  # can pass embeddings or
    queries=["search_query", "search_query"],  # can pass queries
)

添加带嵌入的文本

您还可以使用自定义嵌入： add_texts_with_embeddings method. 这对于可能需要在嵌入生成之前进行自定义预处理的多模态数据特别有用。

items = ["some text"]
embs = embedding.embed(items)

ids = store.add_texts_with_embeddings(
    texts=["some text"], embs=embs, metadatas=[{"len": 1}]
)

使用特征存储实现低延迟服务

您可以简单地使用该方法 .to_vertex_fs_vector_store() 获取 VertexFSVectorStore 对象，它为在线用例提供低延迟。所有必需参数将从现有的 BigQueryVectorStore 类自动转移。参阅类定义了解所有其他可用的参数。

使用以下方法同样轻松地切换回 BigQueryVectorStore .to_bq_vector_store() method.

store.to_vertex_fs_vector_store()  # pass optional VertexFSVectorStore parameters as arguments