Skip to main content
Open In ColabOpen on GitHub

Tigris

Tigris 是一个开源的Serverless NoSQL数据库和搜索平台，旨在简化构建高性能向量搜索应用程序。 Tigris 消除了管理、操作和同步多个工具的基础设施复杂性，让您能够专注于构建出色的应用程序。

本笔记本指导您如何使用Tigris作为您的VectorStore

先决条件

  1. 一个OpenAI账户。您可以在这里注册账户
  2. 注册一个免费的Tigris账户。一旦你注册了Tigris账户，创建一个名为vectordemo的新项目。接下来，记下你创建项目所在区域的Uri，以及clientId和clientSecret。你可以从项目的Application Keys部分获取所有这些信息。

首先安装我们的依赖项：

%pip install --upgrade --quiet  tigrisdb openapi-schema-pydantic langchain-openai langchain-community tiktoken

我们将在环境中加载OpenAI API密钥和Tigris凭据

import getpass
import os

if "OPENAI_API_KEY" not in os.environ:
    os.environ["OPENAI_API_KEY"] = getpass.getpass("OpenAI API Key:")
if "TIGRIS_PROJECT" not in os.environ:
    os.environ["TIGRIS_PROJECT"] = getpass.getpass("Tigris Project Name:")
if "TIGRIS_CLIENT_ID" not in os.environ:
    os.environ["TIGRIS_CLIENT_ID"] = getpass.getpass("Tigris Client Id:")
if "TIGRIS_CLIENT_SECRET" not in os.environ:
    os.environ["TIGRIS_CLIENT_SECRET"] = getpass.getpass("Tigris Client Secret:")
from langchain_community.document_loaders import TextLoader
from langchain_community.vectorstores import Tigris
from langchain_openai import OpenAIEmbeddings
from langchain_text_splitters import CharacterTextSplitter

初始化 Tigris 向量存储​

让我们导入我们的测试数据集：

loader = TextLoader("../../../state_of_the_union.txt")
documents = loader.load()
text_splitter = CharacterTextSplitter(chunk_size=1000, chunk_overlap=0)
docs = text_splitter.split_documents(documents)

embeddings = OpenAIEmbeddings()
vector_store = Tigris.from_documents(docs, embeddings, index_name="my_embeddings")
query = "What did the president say about Ketanji Brown Jackson"
found_docs = vector_store.similarity_search(query)
print(found_docs)

带分数的相似性搜索（向量距离）​

query = "What did the president say about Ketanji Brown Jackson"
result = vector_store.similarity_search_with_score(query)
for doc, score in result:
    print(f"document={doc}, score={score}")

这个页面有帮助吗？