Langchain 集成 Milvus

Langchain 集成 Milvus

  • [1. 安装 Docker](#1. 安装 Docker)
  • [2. 部署 Milvus](#2. 部署 Milvus)
  • 3.
  • [4. Langchain 集成 Milvus](#4. Langchain 集成 Milvus)

1. 安装 Docker

refer: https://docs.docker.com/engine/install/centos/

Milvus 会以容器方式启动,所以先安装 Docker。(本示例使用的是 Alma Linux 9.2)

卸载旧版本,

复制代码
sudo yum remove docker \
                  docker-client \
                  docker-client-latest \
                  docker-common \
                  docker-latest \
                  docker-latest-logrotate \
                  docker-logrotate \
                  docker-engine

设置存储库,

复制代码
sudo yum install -y yum-utils
sudo yum-config-manager --add-repo https://download.docker.com/linux/centos/docker-ce.repo

安装 Docker 引擎,

复制代码
sudo yum install docker-ce docker-ce-cli containerd.io docker-buildx-plugin docker-compose-plugin

启动 Docker,

复制代码
sudo systemctl start docker

通过运行 hello-world 映像来验证 Docker 引擎安装是否成功,

复制代码
sudo docker run hello-world

2. 部署 Milvus

refer: https://milvus.io/docs/install_standalone-docker.md

使用 Docker Compose 安装 Milvus 单机版。

下载 YAML 文件,

复制代码
wget https://github.com/milvus-io/milvus/releases/download/v2.2.12/milvus-standalone-docker-compose.yml -O docker-compose.yml

启动 Milvus,

复制代码
sudo docker compose up -d

现在检查容器是否已启动并正在运行,

复制代码
sudo docker compose ps

Milvus Standalone 启动后,将会运行三个 docker 容器,包括 Milvus Standalone 服务及其两个依赖项。

复制代码
      Name                     Command                  State                            Ports
--------------------------------------------------------------------------------------------------------------------
milvus-etcd         etcd -advertise-client-url ...   Up             2379/tcp, 2380/tcp
milvus-minio        /usr/bin/docker-entrypoint ...   Up (healthy)   9000/tcp
milvus-standalone   /tini -- milvus run standalone   Up             0.0.0.0:19530->19530/tcp, 0.0.0.0:9091->9091/tcp

连接到 Milvus,

复制代码
docker port milvus-standalone 19530/tcp

您可以使用该命令返回的本地 IP 地址和端口号连接到 Milvus 集群。

(可选)停止 Milvus,

复制代码
sudo docker compose down

(可选)要在停止 Milvus 后删除数据,请运行,

复制代码
sudo rm -rf  volumes

3.

修改 docker-compose.yml 文件,并将以下内容添加到服务块中,

复制代码
  attu:
    container_name: attu
    image: zilliz/attu:v2.2.6
    environment:
      MILVUS_URL: milvus-standalone:19530
    ports:
      - "8000:3000"
    depends_on:
      - "standalone"

运行以下命令启动 Milvus 和 Attu,

复制代码
sudo docker compose up -d

在浏览器中访问 http://{ your machine IP }:8000 ,然后单击"连接"进入Attu服务。我们还支持 TLS 连接、用户名和密码。

4. Langchain 集成 Milvus

Milvus 是一个数据库,用于存储、索引和管理由深度神经网络和其他机器学习 (ML) 模型生成的大量嵌入向量。

本笔记本展示了如何使用 Milvus 矢量数据库相关功能。

要运行,您应该启动并运行一个 Milvus 实例。

示例代码,

复制代码
# !pip install pymilvus

import os
import getpass

# os.environ["OPENAI_API_KEY"] = getpass.getpass("OpenAI API Key:")
os.environ["COHERE_API_KEY"] = getpass.getpass("Cohere API Key:")

# from langchain.embeddings.openai import OpenAIEmbeddings
from langchain.embeddings.cohere import CohereEmbeddings
from langchain.text_splitter import CharacterTextSplitter
from langchain.vectorstores import Milvus
from langchain.document_loaders import TextLoader

from langchain.document_loaders import TextLoader

loader = TextLoader("./state_of_the_union_en.txt", encoding="utf-8")
documents = loader.load()
text_splitter = CharacterTextSplitter(chunk_size=1000, chunk_overlap=0)
docs = text_splitter.split_documents(documents)

# embeddings = OpenAIEmbeddings()
embeddings = CohereEmbeddings()

vector_db = Milvus.from_documents(
    docs,
    embeddings,
    # connection_args={"host": "127.0.0.1", "port": "19530"},
    connection_args={"host": "192.168.31.92", "port": "19530"},
)

query = "What did the president say about Ketanji Brown Jackson"
docs = vector_db.similarity_search(query)

docs[0].page_content

输出结果,

复制代码
'Tonight. I call on the Senate to: Pass the Freedom to Vote Act. Pass the John Lewis Voting Rights Act. And while you're at it, pass the Disclose Act so Americans can know who is funding our elections. \n\nTonight, I'd like to honor someone who has dedicated his life to serve this country: Justice Stephen Breyer---an Army veteran, Constitutional scholar, and retiring Justice of the United States Supreme Court. Justice Breyer, thank you for your service. \n\nOne of the most serious constitutional responsibilities a President has is nominating someone to serve on the United States Supreme Court. \n\nAnd I did that 4 days ago, when I nominated Circuit Court of Appeals Judge Ketanji Brown Jackson. One of our nation's top legal minds, who will continue Justice Breyer's legacy of excellence.'

完结!

相关推荐
大模型真好玩2 天前
LangChain DeepAgents 速通指南(九)—— 生产级智能体框架 DeepAgents Code 源码导读
人工智能·langchain·agent
AI工程效率栈3 天前
AI 帮你补异常处理时,新人最容易犯的错:把失败悄悄变成成功
gpt·chatgpt
早点睡啊4 天前
精读 LangChain 官方文档(二)Model 篇:把模型调用升级成工程化推理接口
人工智能·langchain
星始流年6 天前
从 Tool 到 Skill——基于 LangChain 的服务端Skill实现
前端·langchain·agent
凌奕6 天前
让你的 AI 编程助手「偷懒」:50k Star 的 Ponytail,让 Agent 少写一半代码
chatgpt·agent·claude
codedx6 天前
LangChain 和 LangGraph 构建的 Agent 项目模版
后端·langchain·agent
颜酱7 天前
LangGraph 入门指南
langchain
武子康8 天前
调查研究-186 LangChain 和 LangGraph 的区别:从快速构建 Agent 到生产级工作流编排
人工智能·langchain·llm
葫芦和十三11 天前
渐进发现|代码库不是文档库
langchain·agent·ai编程
柒和远方11 天前
LangGraph 深度解析:从增强型 LLM 到生产级 Agent
langchain·llm·agent