MongoDB Atlas
本Jupyter Notebook介绍了如何在LangChain中使用langchain-mongodb包进行MongoDB Atlas向量搜索。
MongoDB Atlas是一个完全托管的云数据库，可在AWS、Azure和GCP上使用。它支持对MongoDB文档数据进行原生向量搜索、全文搜索（BM25）和混合搜索。
MongoDB Atlas向量搜索允许您将嵌入存储在MongoDB文档中，创建向量搜索索引，并使用近似最近邻算法（分层可导航小世界）执行KNN搜索。它使用$vectorSearch MQL阶段
设置
运行MongoDB 6.0.11、7.0.2或更高版本（包括RCs）的Atlas集群。
要使用MongoDB Atlas，您必须首先部署一个集群。我们提供一个免费层级的集群，您可以在选择的云上使用。要开始使用，请访问Atlas的快速入门。
您需要安装langchain-mongodb和pymongo才能使用此集成。
pip install -qU langchain-mongodb pymongo
凭据
对于本Notebook，您需要找到您的MongoDB集群URI。
有关查找集群URI的信息，请阅读此指南
import getpass
MONGODB_ATLAS_CLUSTER_URI = getpass.getpass("MongoDB Atlas 集群 URI:")
如果您想获得一流的模型调用自动化追踪，您还可以通过取消注释以下内容来设置您的LangSmith API密钥：
# os.environ["LANGSMITH_API_KEY"] = getpass.getpass("请输入您的LangSmith API密钥：")
# os.environ["LANGSMITH_TRACING"] = "true"
初始化
import EmbeddingTabs from "@theme/EmbeddingTabs";
<EmbeddingTabs/>
from langchain_mongodb import MongoDBAtlasVectorSearch
from pymongo import MongoClient
# 初始化MongoDB Python客户端
client = MongoClient(MONGODB_ATLAS_CLUSTER_URI)
DB_NAME = "langchain_test_db"
COLLECTION_NAME = "langchain_test_vectorstores"
ATLAS_VECTOR_SEARCH_INDEX_NAME = "langchain-test-index-vectorstores"
MONGODB_COLLECTION = client[DB_NAME][COLLECTION_NAME]
vector_store = MongoDBAtlasVectorSearch(
collection=MONGODB_COLLECTION,
embedding=embeddings,
index_name=ATLAS_VECTOR_SEARCH_INDEX_NAME,
relevance_score_fn="cosine",
)
# 在集合上创建向量搜索索引
# 由于我们使用的是默认的OpenAI嵌入模型（ada-v2），因此需要将维度指定为1536
vector_store.create_vector_search_index(dimensions=1536)
[可选] 除了上述vector_store.create_vector_search_index命令之外，您还可以使用Atlas UI并采用以下索引定义来创建向量搜索索引：
{
"fields":[
{
"type": "vector",
"path": "embedding",
"numDimensions": 1536,
"similarity": "cosine"
}
]
}
管理向量存储
创建向量存储后，我们可以通过添加和删除不同的项目来与其交互。
向向量存储添加项目
我们可以使用add_documents函数向向量存储添加项目。
from uuid import uuid4
from langchain_core.documents import Document
document_1 = Document(
page_content="我今天早上吃了巧克力片煎饼和炒鸡蛋。",
metadata={"source": "推文"},
)
document_2 = Document(
page_content="明天的天气预报是多云转阴，最高气温62华氏度。",
metadata={"source": "新闻"},
)
document_3 = Document(
page_content="正在用LangChain构建一个令人兴奋的新项目——快来看看吧！",
metadata={"source": "推文"},
)
document_4 = Document(
page_content="劫匪闯入市银行，偷走了100万美元现金。",
metadata={"source": "新闻"},
)
document_5 = Document(
page_content="哇！那部电影太棒了。我等不及要再看一遍。",
metadata={"source": "推文"},
)
document_6 = Document(
page_content="新款iPhone值得这个价格吗？阅读这篇评论来了解一下。",
metadata={"source": "网站"},
)
document_7 = Document(
page_content="目前世界上排名前10的足球运动员。",
metadata={"source": "网站"},
)
document_8 = Document(
page_content="LangGraph是构建有状态、代理式应用程序的最佳框架！",
metadata={"source": "推文"},
)
document_9 = Document(
page_content="由于对经济衰退的担忧，今天股市下跌了500点。",
metadata={"source": "新闻"},
)
document_10 = Document(
page_content="我有一种不好的预感，我会被删除 :(",
metadata={"source": "推文"},
)
documents = [
document_1,
document_2,
document_3,
document_4,
document_5,
document_6,
document_7,
document_8,
document_9,
document_10,
]
uuids = [str(uuid4()) for _ in range(len(documents))]
vector_store.add_documents(documents=documents, ids=uuids)
['03ad81e8-32a0-46f0-b7d8-f5b977a6b52a',
'8396a68d-f4a3-4176-a581-a1a8c303eea4',
'e7d95150-67f6-499f-b611-84367c50fa60',
'8c31b84e-2636-48b6-8b99-9fccb47f7051',
'aa02e8a2-a811-446a-9785-8cea0faba7a9',
'19bd72ff-9766-4c3b-b1fd-195c732c562b',
'642d6f2f-3e34-4efa-a1ed-c4ba4ef0da8d',
'7614bb54-4eb5-4b3b-990c-00e35cb31f99',
'69e18c67-bf1b-43e5-8a6e-64fb3f240e52',
'30d599a7-4a1a-47a9-bbf8-6ed393e2e33c']
从向量存储中删除项目
vector_store.delete(ids=[uuids[-1]])
True
查询向量存储
一旦您的向量存储创建并添加了相关文档，您很可能希望在运行您的链或代理时对其进行查询。
直接查询
相似性搜索
执行简单的相似性搜索可以按如下方式进行：
results = vector_store.similarity_search("LangChain提供了抽象层，使LLM的使用变得容易", k=2)
for res in results:
print(f"* {res.page_content} [{res.metadata}]")
* 正在用LangChain构建一个令人兴奋的新项目——快来看看吧！ [{'_id': 'e7d95150-67f6-499f-b611-84367c50fa60', 'source': '推文'}]
* LangGraph是构建有状态、代理式应用程序的最佳框架！ [{'_id': '7614bb54-4eb5-4b3b-990c-00e35cb31f99', 'source': '推文'}]
带分数的相似性搜索
您还可以带分数进行搜索：
results = vector_store.similarity_search_with_score("明天会很热吗？", k=1)
for res, score in results:
print(f"* [SIM={score:3f}] {res.page_content} [{res.metadata}]")
* [SIM=0.784560] 明天的天气预报是多云转阴，最高气温62华氏度。 [{'_id': '8396a68d-f4a3-4176-a581-a1a8c303eea4', 'source': '新闻'}]
带有预过滤的相似性搜索
Atlas向量搜索支持使用MQL运算符进行预过滤。下面是一个在上述相同加载数据上进行索引和查询的示例，允许您对“page”字段进行元数据过滤。您可以更新现有索引以包含定义的过滤器，并使用向量搜索进行预过滤。
要启用预过滤，您需要更新索引定义以包含一个过滤器字段。在此示例中，我们将使用source字段作为过滤器字段。
这可以通过编程方式使用MongoDBAtlasVectorSearch.create_vector_search_index方法完成。
vectorstore.create_vector_search_index(
dimensions=1536,
filters=[{"type":"filter", "path":"source"}],
update=True
)
或者，您也可以使用Atlas UI并通过以下索引定义来更新索引：
{
"fields":[
{
"type": "vector",
"path": "embedding",
"numDimensions": 1536,
"similarity": "cosine"
},
{
"type": "filter",
"path": "source"
}
]
}
然后您可以按如下方式运行带过滤器的查询：
results = vector_store.similarity_search(query="foo", k=1, pre_filter={"source": {"$eq": "https://example.com"}})
for doc in results:
print(f"* {doc.page_content} [{doc.metadata}]")
其他搜索方法
本Notebook中未涵盖多种其他搜索方法，例如MMR搜索或按向量搜索。有关MongoDBAtlasVectorStore可用搜索功能的完整列表，请查看API参考。
通过转换为检索器进行查询
您还可以将向量存储转换为检索器，以便在您的链中更方便地使用。
以下是如何将向量存储转换为检索器，然后使用简单的查询和过滤器调用该检索器。
retriever = vector_store.as_retriever(
search_type="similarity_score_threshold",
search_kwargs={"k": 1, "score_threshold": 0.2},
)
retriever.invoke("从银行偷窃是犯罪行为")
[Document(metadata={'_id': '8c31b84e-2636-48b6-8b99-9fccb47f7051', 'source': '新闻'}, page_content='劫匪闯入市银行，偷走了100万美元现金。')]
用于检索增强生成（RAG）的用法
有关如何将此向量存储用于检索增强生成（RAG）的指南，请参阅以下部分：
其他注意事项
- 更多文档可在MongoDB的LangChain文档网站上找到
- 此功能已普遍可用，可用于生产部署。
- Langchain
0.0.305版本（发行说明）引入了对$vectorSearch MQL阶段的支持，该阶段适用于MongoDB Atlas6.0.11和7.0.2。使用早期MongoDB Atlas版本的用户需要将其LangChain版本固定到≤0.0.304。
API参考
有关所有MongoDBAtlasVectorSearch功能和配置的详细文档，请前往API参考：https://python.langchain.com/api_reference/mongodb/index.html
Related
- Vector store conceptual guide
- Vector store how-to guides