langchain-google-spanner 0.4.0

安装

使用pip在此虚拟环境中安装此库。 虚拟环境是创建隔离Python环境的一种工具。它解决的基本问题是依赖关系和版本，以及间接权限。

使用虚拟环境，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冲突。

pip install virtualenv
virtualenv <your-env>
source <your-env>/bin/activate
<your-env>/bin/pip install langchain-google-spanner

pip install virtualenv
virtualenv <your-env>
<your-env>\Scripts\activate
<your-env>\Scripts\pip.exe install langchain-google-spanner

向量存储使用

使用向量存储存储嵌入数据并执行向量搜索。

from langchain_google_sapnner import SpannerVectorstore
from langchain.embeddings import VertexAIEmbeddings

embeddings_service = VertexAIEmbeddings(model_name="textembedding-gecko@003")
vectorstore = SpannerVectorStore(
    instance_id="my-instance",
    database_id="my-database",
    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加载为LangChain 文档。

from langchain_google_spanner import SpannerLoader


 loader = SpannerLoader(
     instance_id="my-instance",
     database_id="my-database",
     query="SELECT * from 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ChatMessageHistory存储消息并向LLMs提供对话历史。

from langchain_google_spanner import SpannerChatMessageHistory


 history = SpannerChatMessageHistory(
     instance_id="my-instance",
     database_id="my-database",
     table_name="my_table_name",
     session_id="my-session_id"
 )

查看完整的聊天消息历史教程。

贡献

欢迎并高度鼓励对这个库的贡献。

查看CONTRIBUTING以获取有关如何开始的更多信息。

请注意，此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。