langchain-google-cloud-sql-pg 0.10.0

安装

使用 venv 在虚拟环境中安装此库。 venv 是一种创建隔离Python环境的工具。这些隔离的环境可以有不同的Python包版本，这允许您将一个项目的依赖项与其他项目的依赖项隔离开来。

使用 venv，您可以在不需要系统安装权限的情况下安装此库，并且不会与已安装的系统依赖项冲突。

pip install virtualenv
virtualenv <your-env>
source <your-env>/bin/activate
<your-env>/bin/pip install langchain-google-cloud-sql-pg

pip install virtualenv
virtualenv <your-env>
<your-env>\Scripts\activate
<your-env>\Scripts\pip.exe install langchain-google-cloud-sql-pg

向量存储使用

使用向量存储存储嵌入式数据并执行向量搜索。

from langchain_google_cloud_sql_pg import PostgresVectorstore, PostgresEngine
from langchain.embeddings import VertexAIEmbeddings


engine = PostgresEngine.from_instance("project-id", "region", "my-instance", "my-database")
engine.init_vectorstore_table(
    table_name="my-table",
    vector_size=768,  # Vector size for `VertexAIEmbeddings()`
)
embeddings_service = VertexAIEmbeddings(model_name="textembedding-gecko@003")
vectorstore = PostgresVectorStore.create_sync(
    engine,
    table_name="my-table",
    embeddings=embedding_service
)

查看完整的 向量存储 教程。

文档加载器使用

使用文档加载器将数据作为文档加载。

from langchain_google_cloud_sql_pg import PostgresEngine, PostgresLoader


engine = PostgresEngine.from_instance("project-id", "region", "my-instance", "my-database")
loader = PostgresSQLLoader.create_sync(
    engine,
    table_name="my-table-name"
)
docs = loader.lazy_load()

查看完整的文档加载器教程。

聊天消息历史使用

使用聊天消息历史存储消息并向LLMs提供对话历史。

from langchain_google_cloud_sql_pg import PostgresChatMessageHistory, PostgresEngine


engine = PostgresEngine.from_instance("project-id", "region", "my-instance", "my-database")
engine.init_chat_history_table(table_name="my-message-store")
history = PostgresChatMessageHistory.create_sync(
    engine,
    table_name="my-message-store",
    session_id="my-session_id"
)

查看完整的聊天消息历史教程。

贡献

欢迎并鼓励对库的贡献。

有关如何开始的更多信息，请参阅CONTRIBUTING。

请注意，该项目以贡献者行为准则发布。通过参与此项目，您同意遵守其条款。有关更多信息，请参阅行为准则。

免责声明

这不是一个官方支持的Google产品。