Skip to main content
Open on GitHub

MongoDB Atlas

MongoDB Atlas 是一个完全托管的云数据库，可在 AWS、Azure 和 GCP 上使用。它现在支持在 MongoDB 文档数据上进行原生向量搜索。

安装和设置​

请参阅 详细配置说明。

我们需要安装 langchain-mongodb Python 包。

pip install langchain-mongodb

Vector Store​

请参阅 用法示例。

from langchain_mongodb import MongoDBAtlasVectorSearch

Retrievers​

Full Text Search Retriever​

Hybrid Search Retriever 使用 Lucene 的标准 (BM25) 分析器执行全文搜索。

from langchain_mongodb.retrievers import MongoDBAtlasFullTextSearchRetriever

Hybrid Search Retriever​

Hybrid Search Retriever 结合了向量搜索和全文搜索，并通过 Reciprocal Rank Fusion (RRF) 算法对它们进行加权。

from langchain_mongodb.retrievers import MongoDBAtlasHybridSearchRetriever

Model Caches​

MongoDBCache​

一个在 MongoDB 中存储简单缓存的抽象。它不使用语义缓存，也不需要在生成前对集合建立索引。

导入此缓存：

from langchain_mongodb.cache import MongoDBCache
API Reference:MongoDBCache

将此缓存与您的 LLM 一起使用：

from langchain_core.globals import set_llm_cache

# 使用任何 embedding provider...
from tests.integration_tests.vectorstores.fake_embeddings import FakeEmbeddings

mongodb_atlas_uri = "<YOUR_CONNECTION_STRING>"
COLLECTION_NAME="<YOUR_CACHE_COLLECTION_NAME>"
DATABASE_NAME="<YOUR_DATABASE_NAME>"

set_llm_cache(MongoDBCache(
    connection_string=mongodb_atlas_uri,
    collection_name=COLLECTION_NAME,
    database_name=DATABASE_NAME,
))
API Reference:set_llm_cache

MongoDBAtlasSemanticCache​

语义缓存允许用户根据用户输入和先前缓存的结果之间的语义相似性来检索缓存的提示。在底层，它将 MongoDB Atlas 同时用作缓存和向量存储。 MongoDBAtlasSemanticCache 继承自 MongoDBAtlasVectorSearch，需要定义一个 Atlas Vector Search 索引才能工作。请参阅 用法示例 以了解如何设置索引。

导入此缓存：

from langchain_mongodb.cache import MongoDBAtlasSemanticCache

将此缓存与您的 LLM 一起使用：

from langchain_core.globals import set_llm_cache

# 使用任何 embedding provider...
from tests.integration_tests.vectorstores.fake_embeddings import FakeEmbeddings

mongodb_atlas_uri = "<YOUR_CONNECTION_STRING>"
COLLECTION_NAME="<YOUR_CACHE_COLLECTION_NAME>"
DATABASE_NAME="<YOUR_DATABASE_NAME>"

set_llm_cache(MongoDBAtlasSemanticCache(
    embedding=FakeEmbeddings(),
    connection_string=mongodb_atlas_uri,
    collection_name=COLLECTION_NAME,
    database_name=DATABASE_NAME,
))
API Reference:set_llm_cache