MongoDB Atlas

MongoDB Atlas 是一个文档数据库，可以用作向量数据库。

在演示中，我们将展示使用 MongoDB Atlas 向量存储的 SelfQueryRetriever。

创建 MongoDB Atlas 向量存储

首先，我们需要创建一个 MongoDB Atlas VectorStore，并用一些数据进行初始化。我们创建了一小组包含电影摘要的演示文档。

注意：自查询检索器需要您安装 lark（pip install lark）。我们还需要 pymongo 包。

%pip install --upgrade --quiet  lark pymongo

我们想使用 OpenAIEmbeddings，因此需要获取 OpenAI API 密钥。

import os

OPENAI_API_KEY = "使用您的 OpenAI 密钥"

os.environ["OPENAI_API_KEY"] = OPENAI_API_KEY

from langchain_community.vectorstores import MongoDBAtlasVectorSearch
from langchain_core.documents import Document
from langchain_openai import OpenAIEmbeddings
from pymongo import MongoClient

CONNECTION_STRING = "使用您的 MongoDB Atlas 连接字符串"
DB_NAME = "您的 MongoDB Atlas 数据库名称"
COLLECTION_NAME = "数据库中集合的名称"
INDEX_NAME = "在集合上定义的搜索索引的名称"

MongoClient = MongoClient(CONNECTION_STRING)
collection = MongoClient[DB_NAME][COLLECTION_NAME]

embeddings = OpenAIEmbeddings()

docs = [
    Document(
        page_content="一群科学家带回恐龙，混乱随之而来",
        metadata={"year": 1993, "rating": 7.7, "genre": "动作"},
    ),
    Document(
        page_content="莱昂纳多·迪卡普里奥在梦中迷失，梦中又迷失，梦中又迷失...",
        metadata={"year": 2010, "genre": "惊悚", "rating": 8.2},
    ),
    Document(
        page_content="一群普通身材的女性非常健康，一些男性对她们心怀渴望",
        metadata={"year": 2019, "rating": 8.3, "genre": "剧情"},
    ),
    Document(
        page_content="三个男人走进区域，三个男人走出区域",
        metadata={"year": 1979, "rating": 9.9, "genre": "科幻"},
    ),
    Document(
        page_content="一名心理学家/侦探在一系列梦中迷失，梦中又梦中，且《盗梦空间》重用了这个概念",
        metadata={"year": 2006, "genre": "惊悚", "rating": 9.0},
    ),
    Document(
        page_content="玩具变得栩栩如生，并乐在其中",
        metadata={"year": 1995, "genre": "动画", "rating": 9.3},
    ),
]

vectorstore = MongoDBAtlasVectorSearch.from_documents(
    docs,
    embeddings,
    collection=collection,
    index_name=INDEX_NAME,
)

现在，让我们在您的集群上创建一个向量搜索索引。在下面的示例中，embedding 是包含嵌入向量的字段名称。有关如何定义 Atlas 向量搜索索引的更多详细信息，请参阅 文档。 您可以将索引命名为 {COLLECTION_NAME}，并在命名空间 {DB_NAME}.{COLLECTION_NAME} 上创建索引。最后，在 MongoDB Atlas 的 JSON 编辑器中写入以下定义：

{
  "mappings": {
    "dynamic": true,
    "fields": {
      "embedding": {
        "dimensions": 1536,
        "similarity": "cosine",
        "type": "knnVector"
      },
      "genre": {
        "type": "token"
      },
      "ratings": {
        "type": "number"
      },
      "year": {
        "type": "number"
      }
    }
  }
}

创建自查询检索器

现在我们可以实例化我们的检索器。为此，我们需要提前提供一些关于我们的文档支持的元数据字段的信息以及文档内容的简要描述。

from langchain.chains.query_constructor.base import AttributeInfo
from langchain.retrievers.self_query.base import SelfQueryRetriever
from langchain_openai import OpenAI

metadata_field_info = [
    AttributeInfo(
        name="genre",
        description="The genre of the movie",
        type="string",
    ),
    AttributeInfo(
        name="year",
        description="The year the movie was released",
        type="integer",
    ),
    AttributeInfo(
        name="rating", description="A 1-10 rating for the movie", type="float"
    ),
]
document_content_description = "Brief summary of a movie"

llm = OpenAI(temperature=0)
retriever = SelfQueryRetriever.from_llm(
    llm, vectorstore, document_content_description, metadata_field_info, verbose=True
)

测试一下

现在我们可以尝试实际使用我们的检索器！

# This example only specifies a relevant query
retriever.invoke("What are some movies about dinosaurs")

# This example specifies a filter
retriever.invoke("What are some highly rated movies (above 9)?")

# This example only specifies a query and a filter
retriever.invoke("I want to watch a movie about toys rated higher than 9")

# This example specifies a composite filter
retriever.invoke("What's a highly rated (above or equal 9) thriller film?")

# This example specifies a query and composite filter
retriever.invoke(
    "What's a movie after 1990 but before 2005 that's all about dinosaurs, \
    and preferably has a lot of action"
)

过滤 k

我们还可以使用自查询检索器来指定 k：要获取的文档数量。

我们可以通过将 enable_limit=True 传递给构造函数来实现这一点。

retriever = SelfQueryRetriever.from_llm(
    llm,
    vectorstore,
    document_content_description,
    metadata_field_info,
    verbose=True,
    enable_limit=True,
)

# 这个示例仅指定了一个相关查询
retriever.invoke("What are two movies about dinosaurs?")