Esta página apresenta como criar aplicativos baseados em LLM usando o LangChain . As visões gerais nesta página contêm links para guias de procedimentos no GitHub.
O que é LangChain?
LangChain é uma estrutura de orquestração de LLM que auxilia desenvolvedores a criar aplicações de IA generativas ou fluxos de trabalho de geração aumentada por recuperação (RAG). Ela fornece a estrutura, as ferramentas e os componentes para otimizar fluxos de trabalho complexos de LLM.
Para mais informações sobre o LangChain, consulte a página do Google LangChain . Para mais informações sobre a estrutura do LangChain, consulte a documentação do produto LangChain .
Componentes LangChain para Cloud SQL para PostgreSQL
O Cloud SQL para PostgreSQL oferece as seguintes interfaces LangChain:
Aprenda a usar o LangChain com o LangChain Quickstart para Cloud SQL para PostgreSQL .
Armazenamento de vetores para Cloud SQL para PostgreSQL
O armazenamento vetorial recupera e armazena documentos e metadados de um banco de dados vetorial. O armazenamento vetorial permite que um aplicativo realize buscas semânticas que interpretam o significado de uma consulta do usuário. Esse tipo de busca é chamado de busca vetorial e pode encontrar tópicos que correspondem conceitualmente à consulta. No momento da consulta, o armazenamento vetorial recupera os vetores de incorporação mais semelhantes à incorporação da solicitação de busca. No LangChain, um armazenamento vetorial armazena os dados incorporados e realiza a busca vetorial para você.
Para trabalhar com armazenamento de vetores no Cloud SQL para PostgreSQL, use a classe PostgresVectorStore .
Para obter mais informações, consulte a documentação do produto LangChain Vector Stores .
Guia de procedimento de armazenamento de vetores
O guia do Cloud SQL para PostgreSQL para armazenamento de vetores mostra como fazer o seguinte:
- Instale o pacote de integração e o LangChain
- Crie um objeto
PostgresEnginee configure um pool de conexões com seu banco de dados Cloud SQL para PostgreSQL - Inicializar uma tabela
- Crie um objeto de incorporação usando
VertexAIEmbeddings - Inicializar um
PostgresVectorStorepadrão - Adicionar textos
- Excluir textos
- Pesquisar documentos
- Pesquisar documentos por vetor
- Adicione um índice para acelerar consultas de pesquisa de vetores
- Reindexar
- Remover um índice
- Crie um armazenamento de vetores personalizado
- Pesquisar documentos com um filtro de metadados
Carregador de documentos para Cloud SQL para PostgreSQL
O carregador de documentos salva, carrega e exclui objetos Document do LangChain. Por exemplo, você pode carregar dados para processamento em embeddings e armazená-los em um repositório de vetores ou usá-los como uma ferramenta para fornecer contexto específico às cadeias.
Para carregar documentos do carregador de documentos no Cloud SQL para PostgreSQL, use a classe PostgresLoader . PostgresLoader retorna uma lista de documentos de uma tabela usando a primeira coluna para o conteúdo da página e todas as outras colunas para metadados. A tabela padrão tem a primeira coluna como conteúdo da página e a segunda coluna como metadados JSON. Cada linha se torna um documento. Use a classe PostgresDocumentSaver para salvar e excluir documentos.
Para mais informações, consulte o tópico Carregadores de documentos LangChain .
Guia de procedimentos do carregador de documentos
O guia do carregador de documentos do Cloud SQL para PostgreSQL mostra como fazer o seguinte:
- Instale o pacote de integração e o LangChain
- Carregar documentos de uma tabela
- Adicionar um filtro ao carregador
- Personalize a conexão e a autenticação
- Personalize a construção do documento especificando o conteúdo do cliente e metadados
- Como usar e personalizar um
PostgresDocumentSaverpara armazenar e excluir documentos
Histórico de mensagens de bate-papo do Cloud SQL para PostgreSQL
Aplicativos de perguntas e respostas exigem um histórico das coisas ditas na conversa para fornecer contexto ao aplicativo para responder a perguntas futuras do usuário. A classe ChatMessageHistory do LangChain permite que o aplicativo salve mensagens em um banco de dados e as recupere quando necessário para formular respostas adicionais. Uma mensagem pode ser uma pergunta, uma resposta, uma declaração, uma saudação ou qualquer outro texto que o usuário ou o aplicativo forneça durante a conversa. ChatMessageHistory armazena cada mensagem e encadeia mensagens para cada conversa.
O Cloud SQL para PostgreSQL estende essa classe com PostgresChatMessageHistory .
Guia de procedimento de histórico de mensagens de bate-papo
O guia do Cloud SQL para PostgreSQL para histórico de mensagens de bate-papo mostra como fazer o seguinte:
- Instale o LangChain e autentique-se em Google Cloud
- Crie um objeto
PostgresEnginee configure um pool de conexões com seu banco de dados Cloud SQL para PostgreSQL - Inicializar uma tabela
- Inicialize a classe
PostgresChatMessageHistorypara adicionar e excluir mensagens - Crie uma cadeia para o histórico de mensagens usando a Linguagem de Expressão LangChain (LCEL) e os modelos de bate-papo Vertex AI do Google