MyScale
MyScale 是一个集成的向量数据库。您可以通过 SQL 和 LangChain 访问您的数据库。
MyScale 可以利用各种数据类型和过滤函数。无论您是扩展数据还是将系统扩展到更广泛的应用程序，它都将提升您的 LLM 应用。
在笔记本中，我们将演示 SelfQueryRetriever 包装在一个 MyScale 向量存储器周围，并附加了一些我们为 LangChain 贡献的额外部分。
简而言之，它可以归纳为 4 点：
添加
contain比较器以匹配任何列表，如果有多个元素匹配添加
timestamp数据类型以进行日期时间匹配（ISO 格式或 YYYY-MM-DD）添加
like比较器以进行字符串模式搜索添加任意函数功能
创建 MyScale 向量存储器
MyScale 已经集成到 LangChain 中一段时间了。因此，您可以按照此笔记本创建自己的向量存储器以进行自查询检索。
注意： 所有自查询检索器都需要您安装 lark (pip install lark)。我们使用 lark 进行语法定义。在您继续下一步之前，我们还想提醒您需要安装 clickhouse-connect 以与您的 MyScale 后端交互。
%pip install --upgrade --quiet lark clickhouse-connect
在本教程中，我们遵循其他示例的设置，并使用 OpenAIEmbeddings。请记得获取 OpenAI API 密钥以有效访问 LLM。
import getpass
import os
os.environ["OPENAI_API_KEY"] = getpass.getpass("OpenAI API 密钥:")
os.environ["MYSCALE_HOST"] = getpass.getpass("MyScale URL:")
os.environ["MYSCALE_PORT"] = getpass.getpass("MyScale 端口:")
os.environ["MYSCALE_USERNAME"] = getpass.getpass("MyScale 用户名:")
os.environ["MYSCALE_PASSWORD"] = getpass.getpass("MyScale 密码:")
from langchain_community.vectorstores import MyScale
from langchain_core.documents import Document
from langchain_openai import OpenAIEmbeddings
embeddings = OpenAIEmbeddings()
创建一些示例数据
正如您所看到的，我们创建的数据与其他自查询检索器有一些不同。我们用 date 替换了关键字 year，这样您就可以更精细地控制时间戳。我们还将关键字 gerne 的类型更改为字符串列表，LLM 可以使用新的 contain 比较器来构建过滤器。我们还为过滤器提供了 like 比较器和任意函数支持，这将在接下来的几个单元格中介绍。
现在让我们先看一下数据。
docs = [
Document(
page_content="一群科学家带回恐龙，混乱不堪",
metadata={"date": "1993-07-02", "rating": 7.7, "genre": ["science fiction"]},
),
Document(
page_content="莱昂纳多·迪卡普里奥迷失在一个梦中的梦中的梦中...",
metadata={"date": "2010-12-30", "director": "克里斯托弗·诺兰", "rating": 8.2},
),
Document(
page_content="一位心理学家/侦探迷失在一系列梦境中，而《盗梦空间》重新利用了这个想法",
metadata={"date": "2006-04-23", "director": "今敏", "rating": 8.6},
),
Document(
page_content="一群普通大小的女性非常健康，一些男性对她们倾慕",
metadata={"date": "2019-08-22", "director": "格蕾塔·葛韦格", "rating": 8.3},
),
Document(
page_content="玩具活了过来，并且玩得很开心",
metadata={"date": "1995-02-11", "genre": ["animated"]},
),
Document(
page_content="三个人走进区域，三个人走出区域",
metadata={
"date": "1979-09-10",
"director": "安德烈·塔可夫斯基",
"genre": ["science fiction", "adventure"],
"rating": 9.9,
},
),
]
vectorstore = MyScale.from_documents(
docs,
embeddings,
)
创建我们的自查询检索器
就像其他检索器一样... 简单而友好。
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="电影的类型",
type="list[string]",
),
# 如果你想包含列表的长度，只需将其定义为一个新的列
# 这将教会 LLM 在构建过滤器时使用它作为列。
AttributeInfo(
name="length(genre)",
description="电影类型的长度",
type="integer",
),
# 现在你可以将列定义为时间戳。只需将类型设置为 timestamp。
AttributeInfo(
name="date",
description="电影发布的日期",
type="timestamp",
),
AttributeInfo(
name="director",
description="电影导演的姓名",
type="string",
),
AttributeInfo(
name="rating", description="电影的评分（1-10）", type="float"
),
]
document_content_description = "电影的简要概述"
llm = OpenAI(temperature=0)
retriever = SelfQueryRetriever.from_llm(
llm, vectorstore, document_content_description, metadata_field_info, verbose=True
)
使用自查询检索器的现有功能进行测试
现在我们可以尝试使用我们的检索器了！
# 这个例子只指定了一个相关的查询
retriever.invoke("有关恐龙的电影有哪些")
# 这个例子只指定了一个过滤器
retriever.invoke("我想看一部评分高于8.5的电影")
# 这个例子指定了一个查询和一个过滤器
retriever.invoke("Greta Gerwig导演过关于女性的电影吗")
# 这个例子指定了一个复合过滤器
retriever.invoke("有哪些评分高于8.5的科幻电影？")
# 这个例子指定了一个查询和一个复合过滤器
retriever.invoke(
"1990年后但2005年前的关于玩具的电影，最好是动画片"
)
等一下... 还有什么其他功能吗？
使用MyScale的自查询检索器还可以做更多的事情！让我们来看看。
# 您可以使用length(genres)来做任何您想做的事情
retriever.invoke("有多于1个类型的电影有哪些？")
# 精确到日期和时间？您已经有了。
retriever.invoke("1995年2月后发布的电影有哪些？")
# 不知道您的确切过滤器应该是什么？使用字符串模式匹配！
retriever.invoke("名字像Andrei的电影有哪些？")
# 包含适用于列表：因此您可以使用包含比较器来匹配列表！
retriever.invoke("同时具有科幻和冒险类型的电影有哪些？")
过滤器 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,
enable_limit=True,
verbose=True,
)
# 这个例子只指定了一个相关的查询
retriever.invoke("有关恐龙的两部电影")