langchain_community.cache.CassandraCache

class langchain_community.cache.CassandraCache(session: Optional[CassandraSession] = None, keyspace: Optional[str] = None, table_name: str = 'langchain_llm_cache', ttl_seconds: Optional[int] = None, skip_provisioning: bool = False, setup_mode: CassandraSetupMode = SetupMode.SYNC)

使用Cassandra / Astra DB作为后端的缓存。

示例：

import cassio

from langchain_community.cache import CassandraCache
from langchain_core.globals import set_llm_cache

cassio.init(auto=True)  # 需要环境变量，请参阅CassIO文档

set_llm_cache(CassandraCache())

它使用单个Cassandra表。 查找键（用于形成主键）为：

• prompt，一个字符串

• llm_string，模型参数的确定性str表示。 （需要防止相同提示不同模型的冲突）

参数：

session：一个打开的Cassandra会话。

留空以使用全局cassio初始化（见下文）

keyspace：用于存储缓存的keyspace。

留空以使用全局cassio初始化（见下文）

table_name：用作缓存的Cassandra表的名称 ttl_seconds：缓存条目的生存时间

（默认值：None，即永久）

setup_mode：langchain_community.utilities.cassandra.SetupMode中的一个值。

选择SYNC、ASYNC和OFF之间的值 - 如果Cassandra表已经存在，则选择OFF，以加快初始化速度。

注意：

当省略session和keyspace参数（或传递为None）时， 如果有全局可用的cassio设置，则会回退到全局可用的cassio设置。 换句话说，如果先前在代码的任何地方执行过’cassio.init(…)’， 则基于Cassandra的对象根本不需要指定连接参数。

Methods

__init__([session, keyspace, table_name, ...])
aclear(**kwargs)	清除缓存。这是一次性清除所有LLMs的缓存。
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)	清除缓存。这是一次性清除所有LLMs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

• session (Optional[CassandraSession]) –

• keyspace (Optional[str]) –

• table_name (str) –

• ttl_seconds (Optional[int]) –

• skip_provisioning (bool) –

• setup_mode (CassandraSetupMode) –

__init__(session: Optional[CassandraSession] = None, keyspace: Optional[str] = None, table_name: str = 'langchain_llm_cache', ttl_seconds: Optional[int] = None, skip_provisioning: bool = False, setup_mode: CassandraSetupMode = SetupMode.SYNC)

Parameters

• session (Optional[CassandraSession]) –

• keyspace (Optional[str]) –

• table_name (str) –

• ttl_seconds (Optional[int]) –

• skip_provisioning (bool) –

• setup_mode (CassandraSetupMode) –

async aclear(**kwargs: Any) → None

清除缓存。这是一次性清除所有LLMs的缓存。

Parameters

kwargs (Any) –

Return type

None

async alookup(prompt: str, llm_string: str) → Optional[Sequence[Generation]]

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

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

clear(**kwargs: Any) → None

清除缓存。这是一次性清除所有LLMs的缓存。

Parameters

kwargs (Any) –

Return type

None

delete(prompt: str, llm_string: str) → None

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

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]]

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

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

Examples using CassandraCache

• Cassandra

• To make the caching really obvious, lets use a slower model.