Couchbase

Couchbase 是一个屡获殊荣的分布式 NoSQL 云数据库 提供无与伦比的多功能性、性能、可扩展性和经济价值 适用于您所有的云、移动、人工智能和边缘计算应用程序。

安装和设置

我们需要安装 langchain-couchbase 包。

pip install langchain-couchbase

向量存储

查看 使用示例。

from langchain_couchbase import CouchbaseVectorStore

文档加载器

查看 使用示例。

from langchain_community.document_loaders.couchbase import CouchbaseLoader

大型语言模型缓存

CouchbaseCache

使用Couchbase作为提示词和响应的缓存。

查看 使用示例。

要导入此缓存：

from langchain_couchbase.cache import CouchbaseCache

要将此缓存与您的大型语言模型一起使用：

from langchain_core.globals import set_llm_cache

cluster = couchbase_cluster_connection_object

set_llm_cache(
    CouchbaseCache(
        cluster=cluster,
        bucket_name=BUCKET_NAME,
        scope_name=SCOPE_NAME,
        collection_name=COLLECTION_NAME,
    )
)

Couchbase语义缓存

语义缓存允许用户根据用户输入与之前缓存输入之间的语义相似性来检索缓存的提示词。在底层，它使用Couchbase作为缓存和向量存储。 Couchbase语义缓存需要定义搜索索引才能工作。请查看使用示例以了解如何设置索引。

查看使用示例。

要导入此缓存：

from langchain_couchbase.cache import CouchbaseSemanticCache

要将此缓存与您的大型语言模型一起使用：

from langchain_core.globals import set_llm_cache

# use any embedding provider...
from langchain_openai.Embeddings import OpenAIEmbeddings

embeddings = OpenAIEmbeddings()
cluster = couchbase_cluster_connection_object

set_llm_cache(
    CouchbaseSemanticCache(
        cluster=cluster,
        embedding = embeddings,
        bucket_name=BUCKET_NAME,
        scope_name=SCOPE_NAME,
        collection_name=COLLECTION_NAME,
        index_name=INDEX_NAME,
    )
)

聊天消息历史

使用Couchbase作为您的聊天消息存储。

查看使用示例。

要在您的应用程序中使用聊天消息历史：

from langchain_couchbase.chat_message_histories import CouchbaseChatMessageHistory

message_history = CouchbaseChatMessageHistory(
    cluster=cluster,
    bucket_name=BUCKET_NAME,
    scope_name=SCOPE_NAME,
    collection_name=COLLECTION_NAME,
    session_id="test-session",
)

message_history.add_user_message("hi!")