Skip to main content

Oracle AI Vector Search: 生成摘要

Oracle AI Vector Search 旨在处理人工智能 (AI) 工作负载，使您能够基于语义而非关键字查询数据。 Oracle AI Vector Search 的最大优势之一是，可以将对非结构化数据的语义搜索与对业务数据的关系搜索结合在一个单一系统中。 这不仅强大，而且显著更有效，因为您无需添加专用的向量数据库，从而消除了多个系统之间数据碎片化的困扰。

此外，您的向量可以受益于 Oracle 数据库的所有强大功能，例如：

本指南演示如何使用 Oracle AI Vector Search 中的摘要功能，通过 OracleSummary 为您的文档生成摘要。

如果您刚开始使用 Oracle 数据库，可以考虑探索 免费的 Oracle 23 AI，它为设置数据库环境提供了很好的介绍。在使用数据库时，通常建议避免默认使用系统用户；相反，您可以创建自己的用户以增强安全性和定制化。有关用户创建的详细步骤，请参考我们的 端到端指南，该指南还展示了如何在 Oracle 中设置用户。此外，理解用户权限对于有效管理数据库安全至关重要。您可以在官方 Oracle 指南 中了解更多关于管理用户账户和安全性的话题。

前提条件​

请安装 Oracle Python Client 驱动程序，以便使用 Langchain 和 Oracle AI 向量搜索。 

# pip install oracledb

连接到Oracle数据库​

以下示例代码将展示如何连接到Oracle数据库。默认情况下，python-oracledb以“Thin”模式运行，该模式直接连接到Oracle数据库。此模式不需要Oracle客户端库。然而，当python-oracledb使用Oracle客户端库时，可以提供一些额外的功能。当使用Oracle客户端库时，python-oracledb被称为“Thick”模式。这两种模式都具有全面的功能，支持Python数据库API v2.0规范。请参阅以下指南，了解每种模式支持的功能。如果您无法使用thin模式，您可能想切换到thick模式。

import sys

import oracledb

# please update with your username, password, hostname and service_name
username = "<username>"
password = "<password>"
dsn = "<hostname>/<service_name>"

try:
    conn = oracledb.connect(user=username, password=password, dsn=dsn)
    print("Connection successful!")
except Exception as e:
    print("Connection failed!")
    sys.exit(1)

生成摘要​

Oracle AI Vector Search Langchain 库提供了一套用于文档摘要的 API。它支持多种摘要提供者，如 Database、OCIGENAI、HuggingFace 等，允许用户选择最符合其需求的提供者。要利用这些功能，用户必须按照规定配置摘要参数。有关这些参数的详细信息，请参阅 Oracle AI Vector Search 指南。

注意： 如果用户希望使用 Oracle 内部默认提供者 'database' 以外的某些第三方摘要生成提供者，则可能需要设置代理。如果您没有代理，请在实例化 OracleSummary 时移除代理参数。

# proxy to be used when we instantiate summary and embedder object
proxy = "<proxy>"

以下示例代码将展示如何生成摘要：

from langchain_community.utilities.oracleai import OracleSummary
from langchain_core.documents import Document

"""
# using 'ocigenai' provider
summary_params = {
    "provider": "ocigenai",
    "credential_name": "OCI_CRED",
    "url": "https://inference.generativeai.us-chicago-1.oci.oraclecloud.com/20231130/actions/summarizeText",
    "model": "cohere.command",
}

# using 'huggingface' provider
summary_params = {
    "provider": "huggingface",
    "credential_name": "HF_CRED",
    "url": "https://api-inference.huggingface.co/models/",
    "model": "facebook/bart-large-cnn",
    "wait_for_model": "true"
}
"""

# using 'database' provider
summary_params = {
    "provider": "database",
    "glevel": "S",
    "numParagraphs": 1,
    "language": "english",
}

# get the summary instance
# Remove proxy if not required
summ = OracleSummary(conn=conn, params=summary_params, proxy=proxy)
summary = summ.get_summary(
    "In the heart of the forest, "
    + "a lone fox ventured out at dusk, seeking a lost treasure. "
    + "With each step, memories flooded back, guiding its path. "
    + "As the moon rose high, illuminating the night, the fox unearthed "
    + "not gold, but a forgotten friendship, worth more than any riches."
)

print(f"Summary generated by OracleSummary: {summary}")

端到端演示​

请参考我们的完整演示指南 Oracle AI Vector Search 端到端演示指南，以借助 Oracle AI Vector Search 构建一个端到端的 RAG 管道。

相关​

此页面是否有帮助？


您还可以留下详细的反馈 在 GitHub 上