langchain cratedb

Langchain-CratedB

»Dokumentasi | Changelog | Pypi | Masalah | Kode Sumber | Lisensi | Cratedb | Forum Komunitas

Paket langchain-cratedb mengimplementasikan abstraksi inti langchain menggunakan cratedb atau cratedb cloud.

Paket ini dirilis di bawah lisensi MIT.

Jangan ragu untuk menggunakan abstraksi sebagaimana disediakan atau memodifikasinya / memperpanjangnya sesuai untuk aplikasi Anda sendiri. Kami menghargai kontribusi apa pun.

Perkenalan

CatedB adalah database SQL terdistribusi dan dapat diskalakan untuk menyimpan dan menganalisis sejumlah besar data dalam waktu dekat, bahkan dengan kueri yang kompleks. Ini kompatibel dengan PostgreSQL, dan berdasarkan Lucene.

Langchain adalah kerangka kerja yang dapat dikomposisi untuk membangun aplikasi yang sadar konteks, penalaran dengan model bahasa besar, memanfaatkan data dan API perusahaan Anda.

Langchain untuk CatedB adalah kerangka kerja AI/mL yang membuka penerapan teknologi LLM ke proyek langsung, yang mencakup banyak kebutuhan ujung ke ujung. Ini dibangun di atas berbagai utilitas yang dibundel oleh toolkit Langchain dan kemampuan pengindeksan ultra-cepat dari CRATEDB.

Anda dapat menerapkan Langchain untuk mengimplementasikan aplikasi berbasis teks menggunakan model komersial, misalnya disediakan oleh OpenAi, atau model open-source, misalnya model MoNLAME Multilingual Text-only dan Text-Image Meta Llama.

Instalasi

pip install --upgrade langchain-cratedb

Persyaratan

Paket saat ini mendukung CatedB dan driver API Python DB, tersedia per paket peti. Ini akan diinstal secara otomatis saat menginstal adaptor Langchain.

Anda dapat menjalankan CRATEDB yang dikelola sendiri atau mulai menggunakan CatedB Cloud, lihat instalasi CRATEDB, atau CRATEDB Cloud Console.

Penggunaan

Untuk mempelajari tentang adaptor Langchain untuk CRATEDB, silakan merujuk ke dokumentasi dan contoh:

• Menggunakan langchain dengan cratedb
• Contoh CatedB Langchain

Toko vektor

Beberapa notebook menunjukkan cara menggunakan fungsionalitas penyimpanan vektor cratedB di sekitar tipe data FLOAT_VECTOR dan fungsi KNN_MATCH bersama dengan langchain. Cratedbvectorstore

Anda akan belajar cara mengimpor dan meminta data yang tidak terstruktur menggunakan CrateDBVectorStore , misalnya untuk membuat pipa pengambilan augmented generasi (RAG).

Retrieval-Augmented Generation (RAG) menggabungkan sistem pengambilan, yang mengambil dokumen yang relevan, dengan model generatif, memungkinkannya untuk menggabungkan pengetahuan eksternal untuk tanggapan yang lebih akurat dan terinformasi.

• Contoh: Pencarian Vektor Dasar
• Contoh: kain dasar
• Contoh: Rag lanjutan dengan kasing use

Loader dokumen

Buku catatan ini menunjukkan cara memuat dokumen dari database CRATEDB, menggunakan antarmuka SQLDatabase dan CrateDBLoader Langchain, berdasarkan SQLalchemy.

• Contoh: Muat data dari tabel database

Riwayat obrolan

Adaptor riwayat pesan obrolan membantu menyimpan dan mengelola riwayat pesan obrolan di tabel CRATEDB, untuk mendukung memori percakapan.

• Contoh: Riwayat Pesan Obrolan

Informasi Proyek

Ucapan Terima Kasih

Kudos kepada penulis dari semua komponen perangkat lunak yang diwarisi oleh perpustakaan ini dan dibangun, terutama paket Langchain-Postgres, dan Langchain itu sendiri.

Berkontribusi

Paket langchain-cratedb adalah proyek open source, dan dikelola di GitHub. Kami menghargai kontribusi apa pun.

Lisensi

Proyek ini menggunakan lisensi MIT, seperti proyek Langchain-Postgres yang diperolehnya.