基于Langchain+向量数据库+ChatGPT构建企业级知识库

▼最近直播超级多,预约保你有收获

近期直播:基于 LLM 大模型的向量数据库企业级应用实践

 1

LangChain 是什么?

众所周知 OpenAI 的 API 无法联网的,所以如果只使用自己的功能实现联网搜索并给出回答、总结 PDF 文档、基于某个 Youtube 视频进行问答等等的功能肯定是无法实现的。

数据感知:将 LLM 模型链接到不同的数据源,比如:ChatGPT 访问 PDF 等;

代理:允许与 LLM 模型进行交互。

第一、支持 LLM 调用

    • 支持多种模型接口调用:OpenAI、Hugging Face、AzureOpenAI ...

    • 支持多种方式实现缓存记录:In-Mem(内存)、SQLite、Redis、SQL ...

    • 支持流模式(类型打字机的效果)

第二、支持 Prompt 管理

    • 支持多种自定义模板

第三、支持索引

    • 支持文档切割

    • 支持 token 向量化

    • 支持向量数据库

第四、支持 Chain(链)

    • 链允许我们将多个组件组合在一起,以创建一个单一的、连贯的应用程序。比如:我们可以创建一个链,该链接受用户输入,使用提示模板对其进行格式化,然后将格式化的响应传递给 LLM。

第五、文档加载器(Document Loader)

     顾名思义,这个就是从指定源进行加载数据的, 比如:

    • 文件夹 DirectoryLoader

    • Azure 存储 AzureBlobStorageContainerLoader

    • CSV文件 CSVLoader

    • 印象笔记 EverNoteLoader

    • Google网盘 GoogleDriveLoader

    • 任意的网页 UnstructuredHTMLLoader

    • PDF PyPDFLoader

    • S3 S3DirectoryLoader/S3FileLoader

    • Youtube YoutubeLoader 等官方文档地址:https://python.langchain.com/en/latest/modules/indexes/document_loaders.html

    • 代码实践如下:

基于Langchain+向量数据库+ChatGPT构建企业级知识库_第1张图片

 2 

文本切割(Text Splitters)

当您想要处理长文本时,有必要将该文本拆分为块。听起来很简单,但这里有很多潜在的复杂性。在理想情况下,我们希望将语义相关的文本片段放在一起。“语义相关”的含义可能取决于文本的类型。文本切割器的工作方式:

    • 将文本拆分为语义有意义的小块(通常是句子)

    • 开始将这些小块组合成一个较大的块,直到达到一定的大小(由某个函数测量)

    • 达到一定大小后,将该块设置为自己的文本段,然后开始创建一个具有一些重叠的新文本块(以保持块之间的上下文)

默认推荐的文本拆分器是 RecursiveCharacterTextSplitter。此文本拆分器采用字符列表。它尝试基于第一个字符的拆分来创建块,但如果任何块太大,它就会移动到下一个字符,依此类推。默认情况下,它尝试拆分的字符为 ["\n\n", "\n", " ", ""]。

文本切割代码如下:

基于Langchain+向量数据库+ChatGPT构建企业级知识库_第2张图片

3 

向量化(向量数据库)

第一、为什么 LLM 需要将文本内容向量化

计算机最擅长处理的就是数字,因此我们需要将文本(如单词或者句子)转化为数字,或者更具体地说,转化为向量。向量是一种数学对象,可以看作是一个有序的数字列表。这种将文本转化为向量的过程就叫做向量化。

第二、什么是欧式距离

把它想象成在多维空间中两点之间的直线距离。比如在二维空间(也就是平面)上,两点之间的欧氏距离就是我们平时说的直线距离。在三维空间中,也就是我们生活的物理世界中,两点之间的欧氏距离就是我们通常意义上的空间直线距离。这个概念可以扩展到更高的维度。

第三、欧式距离在文本分析中的作用

在文本分析中,欧氏距离常常被用来衡量两段文本(或者说,两个向量)的相似度。如果两个向量之间的欧氏距离小,那么这两段文本就被认为是相似的;反之,如果欧氏距离大,那么这两段文本就被认为是不相似的。

第四、向量数据库

顾名思义,专门设计用于高效存储和检索向量数据,向量数据库检索主要基于向量之间的距离或相似度。常用向量数据库有:

    • Chroma(开源本地文件向量数据库)

    • Milvus(开源分布式高性能数据库)

    • Pinecone(商业化分布式高性能数据库)

代码实践如下:

基于Langchain+向量数据库+ChatGPT构建企业级知识库_第3张图片

 4 

链(Chain)

可以把 Chain 理解为任务。一个 Chain 就是一个任务,当然也可以像链条一样,一个一个的执行多个链,常用 Chain 如下:

    • LLMChain(适用于各种 LLM 链)

    • load_qa_chain( QA 问答)

    • ConversationalRetrievalChain(使用聊天记录在文档上进行聊天)

 5

免费超干货 LLM 大模型直播

为了帮助同学们掌握好 LLM 大模型的向量数据库企业级应用实战,明晚8点,我和陈东老师会开一场直播和同学们深度聊聊大模型的向量化、向量数据库的应用实战请同学点击下方按钮预约直播,咱们明晚8点不见不散哦~~

近期直播:基于 LLM 大模型的向量数据库企业级应用实践

END

你可能感兴趣的:(langchain,数据库,chatgpt)