langchain_community.cache
.AstraDBCache¶
- class langchain_community.cache.AstraDBCache(*, collection_name: str = 'langchain_astradb_cache', token: Optional[str] = None, api_endpoint: Optional[str] = None, astra_db_client: Optional[AstraDB] = None, async_astra_db_client: Optional[AsyncAstraDB] = None, namespace: Optional[str] = None, pre_delete_collection: bool = False, setup_mode: AstraSetupMode = SetupMode.SYNC)[source]¶
[Deprecated]
Notes
Deprecated since version 0.0.28.
将Astra DB用作后端的缓存。
它使用单个集合作为kv存储 组合在文档的_id中的查找键是:
prompt,一个字符串
llm_string,模型参数的确定性str表示。 (用于防止相同提示不同模型的碰撞)
- 参数:
collection_name:要创建/使用的Astra DB集合的名称。 token:用于Astra DB使用的API令牌。 api_endpoint:API端点的完整URL,
例如`https://<DB-ID>-us-east1.apps.astra.datastax.com`。
- astra_db_client:token+api_endpoint的替代方法,
您可以传递一个已创建的’astrapy.db.AstraDB’实例。
- async_astra_db_client:token+api_endpoint的替代方法,
您可以传递一个已创建的’astrapy.db.AsyncAstraDB’实例。
- namespace:创建集合的命名空间(又名键空间)。
默认为数据库的“默认命名空间”。
setup_mode:用于创建Astra DB集合的模式(SYNC、ASYNC或OFF)。 pre_delete_collection:是否在创建集合之前删除集合。
如果为False且集合已经存在,则将使用现有集合。
Methods
__init__
(*[, collection_name, token, ...])将Astra DB用作后端的缓存。
aclear
(**kwargs)清除可以接受额外关键字参数的缓存。
adelete
(prompt, llm_string)如果存在条目,则从缓存中驱逐。
adelete_through_llm
(prompt, llm[, stop])一个围绕`adelete`的包装器,LLM被传递。如果llm.invoke(prompt)调用有一个`stop`参数,你应该在这里传递它。
alookup
(prompt, llm_string)根据提示和llm_string进行查找。
aupdate
(prompt, llm_string, return_val)根据提示和llm_string更新缓存。
clear
(**kwargs)清除可以接受额外关键字参数的缓存。
delete
(prompt, llm_string)如果存在条目,则从缓存中驱逐。
delete_through_llm
(prompt, llm[, stop])一个围绕LLM传递的`delete`的包装器。 如果llm.invoke(prompt)调用有一个`stop`参数,你应该在这里传递它。
lookup
(prompt, llm_string)根据提示和llm_string进行查找。
update
(prompt, llm_string, return_val)根据提示和llm_string更新缓存。
- Parameters
collection_name (str) –
token (Optional[str]) –
api_endpoint (Optional[str]) –
astra_db_client (Optional[AstraDB]) –
async_astra_db_client (Optional[AsyncAstraDB]) –
namespace (Optional[str]) –
pre_delete_collection (bool) –
setup_mode (AstraSetupMode) –
- __init__(*, collection_name: str = 'langchain_astradb_cache', token: Optional[str] = None, api_endpoint: Optional[str] = None, astra_db_client: Optional[AstraDB] = None, async_astra_db_client: Optional[AsyncAstraDB] = None, namespace: Optional[str] = None, pre_delete_collection: bool = False, setup_mode: AstraSetupMode = SetupMode.SYNC)[source]¶
将Astra DB用作后端的缓存。
它使用单个集合作为kv存储 组合在文档的_id中的查找键是:
prompt,一个字符串
llm_string,模型参数的确定性str表示。 (用于防止相同提示不同模型的碰撞)
- 参数:
collection_name:要创建/使用的Astra DB集合的名称。 token:用于Astra DB使用的API令牌。 api_endpoint:API端点的完整URL,
例如`https://<DB-ID>-us-east1.apps.astra.datastax.com`。
- astra_db_client:token+api_endpoint的替代方法,
您可以传递一个已创建的’astrapy.db.AstraDB’实例。
- async_astra_db_client:token+api_endpoint的替代方法,
您可以传递一个已创建的’astrapy.db.AsyncAstraDB’实例。
- namespace:创建集合的命名空间(又名键空间)。
默认为数据库的“默认命名空间”。
setup_mode:用于创建Astra DB集合的模式(SYNC、ASYNC或OFF)。 pre_delete_collection:是否在创建集合之前删除集合。
如果为False且集合已经存在,则将使用现有集合。
- Parameters
collection_name (str) –
token (Optional[str]) –
api_endpoint (Optional[str]) –
astra_db_client (Optional[AstraDB]) –
async_astra_db_client (Optional[AsyncAstraDB]) –
namespace (Optional[str]) –
pre_delete_collection (bool) –
setup_mode (AstraSetupMode) –
- async aclear(**kwargs: Any) None [source]¶
清除可以接受额外关键字参数的缓存。
- Parameters
kwargs (Any) –
- Return type
None
- async adelete(prompt: str, llm_string: str) None [source]¶
如果存在条目,则从缓存中驱逐。
- Parameters
prompt (str) –
llm_string (str) –
- Return type
None
- async adelete_through_llm(prompt: str, llm: LLM, stop: Optional[List[str]] = None) None [source]¶
一个围绕`adelete`的包装器,LLM被传递。如果llm.invoke(prompt)调用有一个`stop`参数,你应该在这里传递它。
- Parameters
prompt (str) –
llm (LLM) –
stop (Optional[List[str]]) –
- Return type
None
- async alookup(prompt: str, llm_string: str) Optional[Sequence[Generation]] [source]¶
根据提示和llm_string进行查找。
期望缓存实现从提示和llm_string的2元组中生成一个键(例如,通过使用分隔符将它们连接起来)。
- 参数:
- prompt:提示的字符串表示。
对于Chat模型,提示是将提示序列化为语言模型的非平凡表示。
- llm_string:LLM配置的字符串表示。
这用于捕获LLM的调用参数 (例如,模型名称、温度、停止标记、最大标记等)。 这些调用参数被序列化为字符串表示。
- 返回:
在缓存未命中时,返回None。在缓存命中时,返回缓存的值。 缓存的值是Generations(或子类)的列表。
- Parameters
prompt (str) –
llm_string (str) –
- Return type
Optional[Sequence[Generation]]
- async aupdate(prompt: str, llm_string: str, return_val: Sequence[Generation]) None [source]¶
根据提示和llm_string更新缓存。
提示和llm_string用于生成缓存的键。 键应该与查找方法的键匹配。
- 参数:
- prompt:提示的字符串表示。
对于Chat模型,提示是将提示序列化为语言模型的非平凡表示。
- llm_string:LLM配置的字符串表示。
这用于捕获LLM的调用参数 (例如,模型名称、温度、停止标记、最大标记等)。 这些调用参数被序列化为字符串表示。
return_val:要缓存的值。该值是Generations的列表(或子类)。
- Parameters
prompt (str) –
llm_string (str) –
return_val (Sequence[Generation]) –
- Return type
None
- delete(prompt: str, llm_string: str) None [source]¶
如果存在条目,则从缓存中驱逐。
- Parameters
prompt (str) –
llm_string (str) –
- Return type
None
- delete_through_llm(prompt: str, llm: LLM, stop: Optional[List[str]] = None) None [source]¶
一个围绕LLM传递的`delete`的包装器。 如果llm.invoke(prompt)调用有一个`stop`参数,你应该在这里传递它。
- Parameters
prompt (str) –
llm (LLM) –
stop (Optional[List[str]]) –
- Return type
None
- lookup(prompt: str, llm_string: str) Optional[Sequence[Generation]] [source]¶
根据提示和llm_string进行查找。
期望缓存实现从提示和llm_string的2元组中生成一个键(例如,通过使用分隔符将它们连接起来)。
- 参数:
- prompt:提示的字符串表示。
对于Chat模型,提示是将提示序列化为语言模型的非平凡表示。
- llm_string:LLM配置的字符串表示。
这用于捕获LLM的调用参数 (例如,模型名称、温度、停止标记、最大标记等)。 这些调用参数被序列化为字符串表示。
- 返回:
在缓存未命中时,返回None。在缓存命中时,返回缓存的值。 缓存的值是Generations(或子类)的列表。
- Parameters
prompt (str) –
llm_string (str) –
- Return type
Optional[Sequence[Generation]]
- update(prompt: str, llm_string: str, return_val: Sequence[Generation]) None [source]¶
根据提示和llm_string更新缓存。
提示和llm_string用于生成缓存的键。 键应该与查找方法的键匹配。
- 参数:
- prompt:提示的字符串表示。
对于Chat模型,提示是将提示序列化为语言模型的非平凡表示。
- llm_string:LLM配置的字符串表示。
这用于捕获LLM的调用参数 (例如,模型名称、温度、停止标记、最大标记等)。 这些调用参数被序列化为字符串表示。
return_val:要缓存的值。该值是Generations的列表(或子类)。
- Parameters
prompt (str) –
llm_string (str) –
return_val (Sequence[Generation]) –
- Return type
None