跳到主要内容
Rockset 是一个为云构建的实时搜索和分析数据库。Rockset 使用 融合索引™，它带有高效的向量嵌入存储，能够大规模提供低延迟、高并发的搜索查询。Rockset 完全支持元数据过滤，并处理不断更新的流数据的实时摄取。
本笔记本演示了如何在 LangChain 中使用 Rockset 作为向量存储。在开始之前，请确保您拥有 Rockset 账户和可用的 API 密钥。立即开始您的免费试用。 您需要通过 pip install -qU langchain-community 安装 langchain-community 才能使用此集成。

​
设置您的环境

  1. 利用 Rockset 控制台，以写入 API 作为源创建集合。在此演练中，我们创建一个名为 langchain_demo 的集合。 配置以下摄取转换，以标记您的嵌入字段并利用性能和存储优化： （在此示例中，我们使用了 OpenAI 的 text-embedding-ada-002，其中 #向量嵌入长度 = 1536）
SELECT _input.* EXCEPT(_meta),
VECTOR_ENFORCE(_input.description_embedding, #length_of_vector_embedding, 'float') as description_embedding
FROM _input
  1. 创建集合后，使用控制台检索API 密钥。为了本笔记本的目的，我们假设您正在使用 Oregon(us-west-2) 区域。
  2. 安装 rockset-python-client，以使 LangChain 能够直接与 Rockset 通信。 
pip install -qU  rockset

​
LangChain 教程

在您自己的 Python 笔记本中跟着操作，在 Rockset 中生成并存储向量嵌入。开始使用 Rockset 搜索与您的搜索查询相似的文档。

​
1. 定义关键变量

import os

import rockset

ROCKSET_API_KEY = os.environ.get(
    "ROCKSET_API_KEY"
)  # Verify ROCKSET_API_KEY environment variable
ROCKSET_API_SERVER = rockset.Regions.usw2a1  # Verify Rockset region
rockset_client = rockset.RocksetClient(ROCKSET_API_SERVER, ROCKSET_API_KEY)

COLLECTION_NAME = "langchain_demo"
TEXT_KEY = "description"
EMBEDDING_KEY = "description_embedding"

​
2. 准备文档

from langchain_community.document_loaders import TextLoader
from langchain_community.vectorstores import Rockset
from langchain_openai import OpenAIEmbeddings
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)

​
3. 插入文档

embeddings = OpenAIEmbeddings()  # Verify OPENAI_API_KEY environment variable

docsearch = Rockset(
    client=rockset_client,
    embeddings=embeddings,
    collection_name=COLLECTION_NAME,
    text_key=TEXT_KEY,
    embedding_key=EMBEDDING_KEY,
)

ids = docsearch.add_texts(
    texts=[d.page_content for d in docs],
    metadatas=[d.metadata for d in docs],
)

​
4. 搜索相似文档

query = "What did the president say about Ketanji Brown Jackson"
output = docsearch.similarity_search_with_relevance_scores(
    query, 4, Rockset.DistanceFunction.COSINE_SIM
)
print("output length:", len(output))
for d, dist in output:
    print(dist, d.metadata, d.page_content[:20] + "...")

##
# output length: 4
# 0.764990692109871 {'source': '../../../state_of_the_union.txt'} Madam Speaker, Madam...
# 0.7485416901622112 {'source': '../../../state_of_the_union.txt'} And I’m taking robus...
# 0.7468678973398306 {'source': '../../../state_of_the_union.txt'} And so many families...
# 0.7436231261419488 {'source': '../../../state_of_the_union.txt'} Groups of citizens b...

​
5. 使用筛选条件搜索相似文档

output = docsearch.similarity_search_with_relevance_scores(
    query,
    4,
    Rockset.DistanceFunction.COSINE_SIM,
    where_str="{} NOT LIKE '%citizens%'".format(TEXT_KEY),
)
print("output length:", len(output))
for d, dist in output:
    print(dist, d.metadata, d.page_content[:20] + "...")

##
# output length: 4
# 0.7651359650263554 {'source': '../../../state_of_the_union.txt'} Madam Speaker, Madam...
# 0.7486265516824893 {'source': '../../../state_of_the_union.txt'} And I’m taking robus...
# 0.7469625542348115 {'source': '../../../state_of_the_union.txt'} And so many families...
# 0.7344177777547739 {'source': '../../../state_of_the_union.txt'} We see the unity amo...

​
6. [可选] 删除已插入的文档

您必须拥有与每个文档关联的唯一 ID 才能将其从集合中删除。使用 Rockset.add_texts() 插入文档时定义 ID。否则，Rockset 将为每个文档生成一个唯一 ID。无论如何，Rockset.add_texts() 返回插入文档的 ID。 要删除这些文档，只需使用 Rockset.delete_texts() 函数。
docsearch.delete_texts(ids)

​
总结

在本教程中，我们成功创建了一个 Rockset 集合，使用 OpenAI 嵌入 插入 了文档，并在有和没有元数据筛选器的情况下搜索了相似文档。 请关注 rockset.com/，了解该领域的未来更新。
在 GitHub 上编辑此页面源文件。
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.