langchain_community.cache
.RedisSemanticCache¶
- class langchain_community.cache.RedisSemanticCache(redis_url: str, embedding: Embeddings, score_threshold: float = 0.2)[source]¶
使用Redis作为向量存储后端的缓存。
通过传递`init` GPTCache函数进行初始化
- 参数:
redis_url (str): 连接到Redis的URL。 embedding (Embedding): 用于语义编码和搜索的嵌入提供程序。 score_threshold (float, 0.2):
示例:
from langchain_community.globals import set_llm_cache from langchain_community.cache import RedisSemanticCache from langchain_community.embeddings import OpenAIEmbeddings set_llm_cache(RedisSemanticCache( redis_url="redis://localhost:6379", embedding=OpenAIEmbeddings() ))
Attributes
DEFAULT_SCHEMA
Methods
__init__
(redis_url, embedding[, score_threshold])通过传递`init` GPTCache函数进行初始化
aclear
(**kwargs)清除可以接受额外关键字参数的缓存。
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)清除给定llm_string的语义缓存。
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
redis_url (str) –
embedding (Embeddings) –
score_threshold (float) –
- __init__(redis_url: str, embedding: Embeddings, score_threshold: float = 0.2)[source]¶
通过传递`init` GPTCache函数进行初始化
- 参数:
redis_url (str): 连接到Redis的URL。 embedding (Embedding): 用于语义编码和搜索的嵌入提供程序。 score_threshold (float, 0.2):
示例:
from langchain_community.globals import set_llm_cache from langchain_community.cache import RedisSemanticCache from langchain_community.embeddings import OpenAIEmbeddings set_llm_cache(RedisSemanticCache( redis_url="redis://localhost:6379", embedding=OpenAIEmbeddings() ))
- Parameters
redis_url (str) –
embedding (Embeddings) –
score_threshold (float) –
- async aclear(**kwargs: Any) None ¶
清除可以接受额外关键字参数的缓存。
- 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
- lookup(prompt: str, llm_string: str) Optional[Sequence[Generation]] [source]¶
根据提示和llm_string进行查找。
- 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。
- Parameters
prompt (str) –
llm_string (str) –
return_val (Sequence[Generation]) –
- Return type
None