Jaguar
JaguarVectorStore #
Bases: BasePydanticVectorStore
Jaguar向量存储。
请参阅 http://www.jaguardb.com 请参阅 http://github.com/fserv/jaguar-sdk
示例
pip install llama-index-vector-stores-jaguar
from llama_index.vector_stores.jaguar import JaguarVectorStore
vectorstore = JaguarVectorStore(
pod = 'vdb',
store = 'mystore',
vector_index = 'v',
vector_type = 'cosine_fraction_float',
vector_dimension = 1536,
url='http://192.168.8.88:8080/fwww/',
)
Source code in llama_index/vector_stores/jaguar/base.py
32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378 379 380 381 382 383 384 385 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400 401 402 403 404 405 406 407 408 409 410 411 412 413 414 415 416 417 418 419 420 421 422 423 424 425 426 427 428 429 430 431 432 433 434 435 436 437 438 439 440 441 442 443 444 445 446 447 448 449 450 451 452 453 454 455 456 457 458 459 460 461 462 463 464 465 466 467 468 469 470 471 472 473 474 475 476 477 478 479 480 481 482 483 484 485 486 487 488 489 490 491 492 493 494 495 496 497 498 499 500 501 502 503 504 505 506 |
|
add #
add(nodes: List[BaseNode], **add_kwargs: Any) -> List[str]
将节点添加到索引中。
Parameters:
Name | Type | Description | Default |
---|---|---|---|
节点 |
List[BaseNode]: 带有嵌入的节点列表 |
required |
Source code in llama_index/vector_stores/jaguar/base.py
103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 |
|
delete #
delete(ref_doc_id: str, **delete_kwargs: Any) -> None
使用ref_doc_id删除节点。
Source code in llama_index/vector_stores/jaguar/base.py
127 128 129 130 131 132 133 134 135 |
|
query #
query(
query: VectorStoreQuery, **kwargs: Any
) -> VectorStoreQueryResult
查询前k个最相似节点的索引。
Parameters:
Name | Type | Description | Default |
---|---|---|---|
query |
VectorStoreQuery
|
VectorStoreQuery对象 |
required |
kwargs |
Any
|
可能包含'where'、'metadata_fields'、'args'、'fetch_k' |
{}
|
Source code in llama_index/vector_stores/jaguar/base.py
137 138 139 140 141 142 143 144 145 146 147 148 149 |
|
load_documents #
load_documents(
embedding: List[float], k: int, **kwargs: Any
) -> List[Document]
查询索引以加载最相似的前k个文档。
Parameters:
Name | Type | Description | Default |
---|---|---|---|
embedding |
List[float]
|
一组浮点数 |
required |
k |
int
|
topK 数量 |
required |
kwargs |
Any
|
可能包含'where'、'metadata_fields'、'args'、'fetch_k' |
{}
|
Source code in llama_index/vector_stores/jaguar/base.py
151 152 153 154 155 156 157 158 159 160 161 162 163 164 |
|
create #
create(metadata_fields: str, text_size: int) -> None
在后端数据库上创建向量存储。
Parameters:
Name | Type | Description | Default |
---|---|---|---|
metadata_fields |
str
|
额外的元数据列和类型 |
required |
Returns: 如果成功则为True;如果不成功则为False
Source code in llama_index/vector_stores/jaguar/base.py
166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 |
|
add_text #
add_text(
text: str,
embedding: List[float],
metadata: Optional[dict] = None,
**kwargs: Any
) -> str
将文本通过嵌入添加到向量存储中。
Parameters:
Name | Type | Description | Default |
---|---|---|---|
texts |
要添加到jaguar向量存储中的文本字符串。 |
required | |
embedding |
List[float]
|
文本的嵌入向量,浮点数列表 |
required |
metadata |
Optional[dict]
|
{'file_path': '../data/paul_graham/paul_graham_essay.txt', 'file_name': 'paul_graham_essay.txt', 'file_type': 'text/plain', 'file_size': 75042, 'creation_date': '2023-12-24', 'last_modified_date': '2023-12-24', 'last_accessed_date': '2023-12-28'} |
None
|
kwargs |
Any
|
vector_index=向量索引的名称 file_column=文件列的名称 metadata={...} |
{}
|
Returns:
Type | Description |
---|---|
str
|
将文本添加到向量存储中的ID |
Source code in llama_index/vector_stores/jaguar/base.py
191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 |
|
similarity_search_with_score #
similarity_search_with_score(
embedding: Optional[List[float]],
k: int = 3,
form: str = "node",
**kwargs: Any
) -> Union[
Tuple[List[TextNode], List[str], List[float]],
List[Document],
]
返回与查询嵌入最相似的节点,以及其ID和分数。
Returns: 元组(节点列表,ID列表,相似度分数列表)
Source code in llama_index/vector_stores/jaguar/base.py
274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370 371 |
|
is_anomalous #
is_anomalous(node: BaseNode, **kwargs: Any) -> bool
检测给定文本是否在数据集中是异常的。
Returns: True 或 False
Source code in llama_index/vector_stores/jaguar/base.py
373 374 375 376 377 378 379 380 381 382 383 384 385 386 387 388 389 390 391 392 393 394 395 396 397 398 399 |
|
run #
run(query: str, withFile: bool = False) -> dict
在jaguardb中运行任何查询语句。
Parameters:
Name | Type | Description | Default |
---|---|---|---|
query |
str
|
要发送到jaguardb的查询语句 |
required |
Returns: 无效令牌时返回None,或者 json结果字符串
Source code in llama_index/vector_stores/jaguar/base.py
401 402 403 404 405 406 407 408 409 410 411 412 413 414 415 416 417 418 419 |
|
count #
count() -> int
统计jaguardb中商店的记录数。
Args:无参数 Returns:(int) 商店中记录的数量
Source code in llama_index/vector_stores/jaguar/base.py
421 422 423 424 425 426 427 428 429 430 431 432 433 |
|
clear #
clear() -> None
删除jaguardb中的所有记录。
Args:无参数 Returns:无
Source code in llama_index/vector_stores/jaguar/base.py
435 436 437 438 439 440 441 442 443 |
|
drop #
drop() -> None
删除或移除jaguardb中的存储。
Args:无 Returns:无
Source code in llama_index/vector_stores/jaguar/base.py
445 446 447 448 449 450 451 452 453 |
|
login #
login(jaguar_api_key: Optional[str] = '') -> bool
使用 jaguar_api_key 登录到 jaguar 服务器,或者让 self._jag 找到一个密钥。
Parameters:
Name | Type | Description | Default |
---|---|---|---|
可选的 |
jaguar_api_key (str
|
用户到 jaguardb 服务器的 API 密钥 |
required |
Returns: 如果成功则返回 True;如果不成功则返回 False
Source code in llama_index/vector_stores/jaguar/base.py
460 461 462 463 464 465 466 467 468 469 470 471 472 473 474 475 476 477 478 |
|
logout #
logout() -> None
登出以清理资源。
Args:无参数 Returns:无
Source code in llama_index/vector_stores/jaguar/base.py
480 481 482 483 484 485 486 |
|