langchain4j InMemoryEmbeddingStore常用的方法

InMemoryEmbeddingStore 检索方法(langchain4j)

接口:EmbeddingStore<T>,实现类 InMemoryEmbeddingStore<T>

✅ 推荐新版:search(EmbeddingSearchRequest)

⚠️ findRelevant 属于旧版default方法,新版本标记废弃,仅做兼容

1. search(官方推荐,你前面代码用的)

java 复制代码
EmbeddingSearchResult<T> search(EmbeddingSearchRequest request);

EmbeddingSearchRequest 可配置:

  • queryEmbedding:查询向量(必填)
  • maxResults:返回topN
  • minScore:最低相似度阈值
  • filter:元数据过滤(按metadata筛选)

示例:

java 复制代码
EmbeddingSearchRequest request = EmbeddingSearchRequest.builder()
        .queryEmbedding(queryEmbedding)
        .maxResults(3)
        .minScore(0.6)
        .filter(MetadataFilter.key("source").isEqualTo("book.pdf"))
        .build();
EmbeddingSearchResult<TextSegment> result = store.search(request);
List<EmbeddingMatch<TextSegment>> matches = result.matches();

2. findRelevant 系列(旧版,不推荐新项目)

java 复制代码
// ① 只指定向量和max,minScore默认0
List<EmbeddingMatch<T>> findRelevant(Embedding queryEmbedding, int maxResults);

// ② 指定向量、max、最低相似度
List<EmbeddingMatch<T>> findRelevant(Embedding queryEmbedding, int maxResults, double minScore);

// ③ 带元数据过滤器
List<EmbeddingMatch<T>> findRelevant(Embedding queryEmbedding, int maxResults, Filter filter);

返回 List<EmbeddingMatch<T>>,直接拿到匹配列表,没有外层 EmbeddingSearchResult 对象。

检索返回对象

  • EmbeddingMatch<T>
    • score():余弦相似度,0~1,越大越相似
    • embedded():存入的 TextSegment
    • embeddingId():向量id

两种API对比

search() findRelevant()
返回 EmbeddingSearchResult List<EmbeddingMatch>
配置 统一builder,支持max/minScore/filter 多个重载方法
状态 ✅ 推荐,新特性都在这里 ⚠️ 逐步废弃
扩展性 更好,后续向量库统一接口 简单快速原型

补充

InMemoryEmbeddingStore 使用暴力全量余弦相似度计算,没有索引,数据量大后会变慢。

需要我写一段带filter元数据过滤的检索示例吗?

相关推荐
chh56310 小时前
从 BERT 到大模型:让模型从“会接龙”到“会回答
人工智能·深度学习·bert
TomEval10 小时前
【测AI】第26篇:线上模型监控与告警体系 — 测试不是终点
人工智能·python·功能测试·ai
ZhengEnCi11 小时前
AI 总模仿代码库里的过时写法怎么办:先清坏样例,再用类型与测试让 AI 无法犯错
人工智能·ai编程
Resean022311 小时前
Spring 源码分析(二)配置类的解析与扫描
java·后端·spring
一只爱撸猫的程序猿11 小时前
五周、两个开源仓库、九次拦截之后:AI 时代程序员缺的到底是什么
人工智能·后端·开源
小毛球.12 小时前
第 3 篇:IDEA 最新版下载与完整安装教程(Mac)
java·macos·intellij-idea·idea
GitCode官方12 小时前
开源鸿蒙跨平台直播|AI 时代,用 cj-tauri 开发鸿蒙 PC 应用
人工智能·华为·harmonyos·atomgit
老金带你玩AI12 小时前
GPT-6.2更强更便宜了,为什么还有人骂?
人工智能
CyrusYiVPP13 小时前
实测 uv 0.13.7:同一套包,pip 装 94 秒,它只用 19 秒
人工智能·python
泯泷13 小时前
OpenClaw 退潮背后,是 AI 圈“技术自嗨”的终结
人工智能·chatgpt·llm