OpenGauss VectorStore 集成 - 以编程方式使用文档

本笔记本介绍如何开始使用 openGauss VectorStore。 openGauss 是一款高性能关系型数据库，具有原生向量存储和检索能力。此集成使 LangChain 应用程序中能够进行符合 ACID 规范的向量操作，将传统 SQL 功能与现代 AI 驱动的相似性搜索相结合。向量存储。

设置

启动 openGauss 容器

docker run --name opengauss \
  -d \
  -e GS_PASSWORD='MyStrongPass@123' \
  -p 8888:5432 \
  opengauss/opengauss-server:latest

安装 langchain-opengauss

pip install langchain-opengauss

系统要求:

- openGauss ≥ 7.0.0
- Python ≥ 3.8
- psycopg2-binary

凭据

使用您的 openGauss 凭据

初始化

from langchain_opengauss import OpenGauss, OpenGaussSettings

# Configure with schema validation
config = OpenGaussSettings(
    table_name="test_langchain",
    embedding_dimension=384,
    index_type="HNSW",
    distance_strategy="COSINE",
)
vector_store = OpenGauss(embedding=embeddings, config=config)

管理向量存储

向向量存储添加项目

from langchain_core.documents import Document

document_1 = Document(page_content="foo", metadata={"source": "https://example.com"})

document_2 = Document(page_content="bar", metadata={"source": "https://example.com"})

document_3 = Document(page_content="baz", metadata={"source": "https://example.com"})

documents = [document_1, document_2, document_3]

vector_store.add_documents(documents=documents, ids=["1", "2", "3"])

更新向量存储中的项目

updated_document = Document(
    page_content="qux", metadata={"source": "https://another-example.com"}
)

# If the id is already exist, will update the document
vector_store.add_documents(document_id="1", document=updated_document)

从向量存储中删除项目

vector_store.delete(ids=["3"])

查询向量存储

创建向量存储并添加相关文档后，在链或代理运行期间很可能需要对其进行查询。

直接查询

执行简单的相似性搜索可按如下方式完成：

- 待办事项：编辑并运行代码单元以生成输出

results = vector_store.similarity_search(
    query="thud", k=1, filter={"source": "https://another-example.com"}
)
for doc in results:
    print(f"* {doc.page_content} [{doc.metadata}]")

如需执行相似性搜索并获取相应分数，可运行：

results = vector_store.similarity_search_with_score(
    query="thud", k=1, filter={"source": "https://example.com"}
)
for doc, score in results:
    print(f"* [SIM={score:3f}] {doc.page_content} [{doc.metadata}]")

通过转换为检索器进行查询

您还可以将向量存储转换为检索器，以便在链中更方便地使用。

- 待办事项：编辑并运行代码单元以生成输出

retriever = vector_store.as_retriever(search_type="mmr", search_kwargs={"k": 1})
retriever.invoke("thud")

检索增强生成的使用方法

有关将此向量存储用于检索增强生成（RAG）的指南，请参阅以下章节：

配置

连接设置

参数	默认值	描述
`host`	localhost	数据库服务器地址
`port`	8888	数据库连接端口
`user`	gaussdb	数据库用户名
`password`	-	复杂密码字符串
`database`	postgres	默认数据库名称
`min_connections`	1	连接池最小大小
`max_connections`	5	连接池最大大小
`table_name`	langchain_	docs
`index_type`	IndexType.HNSW	Vector index algorithm type. Options: HNSW or IVFFLAT\nDefault is HNSW.
`vector_type`	VectorType.vector	要使用的向量表示类型。默认值为 Vector。
`distance_strategy`	DistanceStrategy.COSINE	用于检索的向量相似度度量。选项：euclidean（L2 距离）、cosine（角距离，适合文本嵌入）、manhattan（L1 距离，适合稀疏数据）、negative_inner_product (dot product for normalized vectors).\n Default is cosine.
`embedding_dimension`	1536	向量嵌入的维度。

支持的组合

向量类型	维度	索引类型	支持的距离策略
vector	≤2000	HNSW/IVFFLAT	COSINE/EUCLIDEAN/MANHATTAN/INNER_PROD

性能优化

索引调优指南

HNSW 参数:

- m：16-100（在召回率和内存之间取得平衡）
- ef_construction：64-1000（必须 > 2*m)

IVFFLAT 推荐配置:

lists = min(
    int(math.sqrt(total_rows)) if total_rows > 1e6 else int(total_rows / 1000),
    2000,  # openGauss maximum
)

连接池

OpenGaussSettings(min_connections=3, max_connections=20)

限制

- bit 和 sparsevec 向量类型目前正在开发中
- 最大向量维度：2000，适用于 vector 类型