跳到主要内容
百度向量数据库 (Baidu VectorDB) 是百度智能云精心开发和全面管理的企业级分布式数据库服务。它以其卓越的多维向量数据存储、检索和分析能力而著称。VectorDB 的核心是百度专有的“Mochow”向量数据库内核,该内核确保了高性能、高可用性、高安全性,以及出色的可扩展性和用户友好性。
该数据库服务支持多种索引类型和相似度计算方法,以满足各种用例的需求。VectorDB 的一个突出特点是它能够管理高达100亿的海量向量数据,同时保持出色的查询性能,支持每秒数百万次查询 (QPS),查询延迟达到毫秒级。
你需要安装 langchain-community,运行 pip install -qU langchain-community 才能使用此集成。 本 notebook 展示了如何使用百度向量数据库的相关功能。 要运行,你需要拥有一个数据库实例。
!pip3 install pymochow
from langchain_community.document_loaders import TextLoader
from langchain_community.embeddings.fake import FakeEmbeddings
from langchain_community.vectorstores import BaiduVectorDB
from langchain_community.vectorstores.baiduvectordb import ConnectionParams
from langchain_text_splitters import CharacterTextSplitter
loader = TextLoader("../../how_to/state_of_the_union.txt")
documents = loader.load()
text_splitter = CharacterTextSplitter(chunk_size=1000, chunk_overlap=0)
docs = text_splitter.split_documents(documents)
embeddings = FakeEmbeddings(size=128)
conn_params = ConnectionParams(
    endpoint="http://192.168.xx.xx:xxxx", account="root", api_key="****"
)

vector_db = BaiduVectorDB.from_documents(
    docs, embeddings, connection_params=conn_params, drop_old=True
)
query = "What did the president say about Ketanji Brown Jackson"
docs = vector_db.similarity_search(query)
docs[0].page_content
vector_db = BaiduVectorDB(embeddings, conn_params)
vector_db.add_texts(["Ankush went to Princeton"])
query = "Where did Ankush go to college?"
docs = vector_db.max_marginal_relevance_search(query)
docs[0].page_content

以编程方式连接这些文档到 Claude、VSCode 等,通过 MCP 获取实时答案。
© . This site is unofficial and not affiliated with LangChain, Inc.