以编程方式使用文档

Moorcheh

Moorcheh 是一个极速语义搜索引擎和向量存储。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）来检索准确的文档块。

以下教程将帮助您使用 Moorcheh 和 LangChain 上传和存储文本文档及向量嵌入，并检索与所有查询相关的文档块。

设置

首先，安装必要的包：

pip install langchain-moorcheh

初始化

开始使用 Moorcheh

1. 在以下网站注册或登录： Moorcheh 控制台. 2. 转到 "API 密钥" 选项卡并生成一个 API 密钥。 3. 将密钥保存为名为 MOORCHEH_API_KEY 的环境变量（您将在下方使用它）。 4. 要创建用于存储数据的命名空间： - 在控制台中，打开 "命名空间" 选项卡并点击 "创建命名空间"；或者 - 使用下一节中的向量存储代码以编程方式初始化。 5. 使用您的 API 密钥创建命名空间、上传文档和检索答案。

有关 Moorcheh SDK 函数的更多信息，请参阅 GitHub 仓库.

导入包

导入以下包：

from langchain_moorcheh import MoorchehVectorStore
from moorcheh_sdk import MoorchehClient


from uuid import uuid4

from typing import Any, List, Optional, Literal, Tuple, Type, TypeVar, Sequence
from langchain_core.documents import Document
from langchain_core.embeddings import Embeddings
from langchain_core.vectorstores import VectorStore
from google.colab import userdata

代码设置

在您的环境变量中设置您的 Moorcheh API 密钥：

MOORCHEH_API_KEY = os.environ['MOORCHEH_API_KEY']

设置您的命名空间名称和类型，并创建向量存储：

namespace = "your_namespace_name"
namespace_type = "text" # or vector
store = MoorchehVectorStore(
            api_key=MOORCHEH_API_KEY,
            namespace=namespace,
            namespace_type=namespace_type
        )

添加文档

document_1 = Document(
    page_content="Brewed a fresh cup of Ethiopian coffee and paired it with a warm croissant.",
    metadata={"source": "blog"},
)

document_2 = Document(
    page_content="Tomorrow's weather will be sunny with light winds, reaching a high of 78°F.",
    metadata={"source": "news"},
)

document_3 = Document(
    page_content="Experimenting with LangChain for an AI-powered note-taking assistant!",
    metadata={"source": "tweet"},
)

document_4 = Document(
    page_content="Local bakery donates 500 loaves of bread to the community food bank.",
    metadata={"source": "news"},
)

document_5 = Document(
    page_content="That concert last night was absolutely unforgettable—what a performance!",
    metadata={"source": "tweet"},
)

document_6 = Document(
    page_content="Check out our latest article: 5 ways to boost productivity while working from home.",
    metadata={"source": "website"},
)

document_7 = Document(
    page_content="The ultimate guide to mastering homemade pizza dough.",
    metadata={"source": "website"},
)

document_8 = Document(
    page_content="LangGraph just made multi-agent workflows way easier—seriously impressive!",
    metadata={"source": "tweet"},
)

document_9 = Document(
    page_content="Oil prices rose 3% today after unexpected supply cuts from major exporters.",
    metadata={"source": "news"},
)

document_10 = Document(
    page_content="I really hope this post doesn't vanish into the digital void…",
    metadata={"source": "tweet"},
)

documents = [
    document_1,
    document_2,
    document_3,
    document_4,
    document_5,
    document_6,
    document_7,
    document_8,
    document_9,
    document_10,
]

uuids = [str(uuid4()) for _ in range(len(documents))]

store.add_documents(documents=documents, ids=uuids)

删除文档

store.delete(ids=["chunk_id_here"])

查询引擎

一旦您创建了命名空间并将文档上传到其中，您就可以直接通过向量存储对文档提出查询。设置您想要用来回答查询的查询语句和 LLM。有关支持的 LLM 的更多信息，请访问我们的 GitHub 页面.

query = "Give me a brief summary of the provided documents"
answer = store.generative_answer(query, ai_model = "anthropic.claude-sonnet-4-6")
print(answer)

更多资源

有关 Moorcheh 的更多信息，请随时访问以下资源：