Skip to main content
Open In ColabOpen on GitHub

Oracle AI 向量搜索：生成摘要

Oracle AI 向量搜索专为人工智能（AI）工作负载设计，允许您基于语义而非关键字查询数据。 Oracle AI 向量搜索的最大优势之一是，可以在一个系统中将非结构化数据的语义搜索与业务数据的关系搜索结合起来。 这不仅功能强大，而且显著更有效，因为您不需要添加专门的向量数据库，消除了多个系统之间数据分散的痛点。

此外，您的向量可以从Oracle数据库的所有最强大功能中受益，例如以下内容：

本指南演示了如何在Oracle AI向量搜索中使用摘要功能，通过OracleSummary为您的文档生成摘要。

如果您刚开始使用Oracle数据库，可以考虑探索免费的Oracle 23 AI，它为您提供了一个很好的介绍来设置您的数据库环境。在使用数据库时，通常建议避免默认使用系统用户；相反，您可以创建自己的用户以增强安全性和自定义性。有关用户创建的详细步骤，请参阅我们的端到端指南，该指南还展示了如何在Oracle中设置用户。此外，了解用户权限对于有效管理数据库安全至关重要。您可以在官方的Oracle指南中了解更多关于管理用户帐户和安全的信息。

先决条件​

请安装Oracle Python客户端驱动程序以使用Langchain与Oracle AI向量搜索。

# pip install oracledb

连接到Oracle数据库​

以下示例代码将展示如何连接到Oracle数据库。默认情况下，python-oracledb以“Thin”模式运行，该模式直接连接到Oracle数据库。此模式不需要Oracle客户端库。然而，当python-oracledb使用它们时，一些额外的功能是可用的。当使用Oracle客户端库时，python-oracledb被称为“Thick”模式。两种模式都具有支持Python数据库API v2.0规范的全面功能。请参阅以下指南，该指南讨论了每种模式下支持的功能。如果您无法使用thin模式，您可能希望切换到thick模式。

import sys

import oracledb

# please update with your username, password, hostname and service_name
username = "<username>"
password = "<password>"
dsn = "<hostname>/<service_name>"

try:
    conn = oracledb.connect(user=username, password=password, dsn=dsn)
    print("Connection successful!")
except Exception as e:
    print("Connection failed!")
    sys.exit(1)

生成摘要​

Oracle AI Vector Search Langchain 库提供了一套专为文档摘要设计的API。它支持多种摘要提供者，如数据库、OCIGENAI、HuggingFace等，允许用户选择最适合其需求的提供者。要利用这些功能，用户必须按照指定的方式配置摘要参数。有关这些参数的详细信息，请查阅Oracle AI Vector Search 指南。

注意： 如果用户希望使用除Oracle内部和默认提供者'database'之外的其他第三方摘要生成提供者，可能需要设置代理。如果您没有代理，请在实例化OracleSummary时移除代理参数。

# proxy to be used when we instantiate summary and embedder object
proxy = "<proxy>"

以下示例代码将展示如何生成摘要：

from langchain_community.utilities.oracleai import OracleSummary
from langchain_core.documents import Document

"""
# using 'ocigenai' provider
summary_params = {
    "provider": "ocigenai",
    "credential_name": "OCI_CRED",
    "url": "https://inference.generativeai.us-chicago-1.oci.oraclecloud.com/20231130/actions/summarizeText",
    "model": "cohere.command",
}

# using 'huggingface' provider
summary_params = {
    "provider": "huggingface",
    "credential_name": "HF_CRED",
    "url": "https://api-inference.huggingface.co/models/",
    "model": "facebook/bart-large-cnn",
    "wait_for_model": "true"
}
"""

# using 'database' provider
summary_params = {
    "provider": "database",
    "glevel": "S",
    "numParagraphs": 1,
    "language": "english",
}

# get the summary instance
# Remove proxy if not required
summ = OracleSummary(conn=conn, params=summary_params, proxy=proxy)
summary = summ.get_summary(
    "In the heart of the forest, "
    + "a lone fox ventured out at dusk, seeking a lost treasure. "
    + "With each step, memories flooded back, guiding its path. "
    + "As the moon rose high, illuminating the night, the fox unearthed "
    + "not gold, but a forgotten friendship, worth more than any riches."
)

print(f"Summary generated by OracleSummary: {summary}")
API Reference:OracleSummary | Document

端到端演示​

请参考我们的完整演示指南Oracle AI Vector Search End-to-End Demo Guide，借助Oracle AI Vector Search构建端到端的RAG管道。

这个页面有帮助吗？