Vector stores 向量存储
基于LangChain的向量存储，存储嵌入数据，并执行相似性搜索。
image.png
如图，这是一个典型的向量存储应用，也即是典型的RAG流程。
这部分开发主要涉及到：
- 如何文本转向量
- 创建向量存储，基于向量存储完成：
** 存入向量
** 删除向量
** 向量检索
内置向量存储的使用
from langchain_core.vectorstores import InMemoryVectorStore
from langchain_community.embeddings import DashScopeEmbeddings
vector_store = InMemoryVectorStore(embedding=DashScopeEmbeddings())
# 添加文档到向量存储，并指定id
vector_store.add_documents(documents=[doc1, doc2], ids=["id1", "id2"])
# 删除文档（通过指定的id删除）
vector_store.delete(ids=["id1"])
# 相似性搜索
similar_docs = vector_store.similarity_search("your query here", 4)
外部（Chroma）向量存储的使用
from langchain_community.embeddings import DashScopeEmbeddings
from langchain_chroma import Chroma
vector_store = Chroma(
collection_name="example_collection",
embedding_function=DashScopeEmbeddings(),
persist_directory="./chroma_langchain_db", # Where to save data locally, remove if not necessary
)
stu.csv
name,age,gender,hobby
王梓涵,25,男，"吃饭，rap"
刘若曦,22,女，"睡觉，rap"
陈俊宇,20,男，"吃饭，rap"
赵思瑶,28,女，"睡觉，rap"
黄浩然,15,男，"吃饭，rap"
林雨桐,20,女，"唱跳，rap"
周博文,20,男，"吃饭，rap"
吴诗琪,24,女，"吃饭，rap"
马子轩,22,男，"睡觉，rap"
孙悦然,27,女，"吃饭，rap"
内存向量存储
from langchain_core.vectorstores import InMemoryVectorStore
from langchain_community.embeddings import DashScopeEmbeddings
from langchain_community.document_loaders import CSVLoader
vector_store = InMemoryVectorStore(
embedding=DashScopeEmbeddings()
)
loader = CSVLoader(
"data/stu.csv", # CSV文件路径
encoding="utf-8", # 编码格式
source_column="name" # 文档来源列名
)
documents = loader.load()
# 向量存储的新增、删除、检索
vector_store.add_documents(
documents = documents, # 被添加的文档，类型：list[Document]
ids = ["id"+str(i) for i in range(1, len(documents)+1)] #给添加的文档提供id（字符串）list[str]
)
# 删除传入[id，id...]
vector_store.delete(["id1", "id2"])
# 检索传入查询字符串
results = vector_store.similarity_search(
"周博文",
k=3 # 返回的文档数量，默认值为1
)
print(results)
外部向量持久化存储
from langchain_community.embeddings import DashScopeEmbeddings
from langchain_community.document_loaders import CSVLoader
from langchain_chroma import Chroma
# Chroma向量数据库（轻量级的）
# 确保langchain-chroma和chromadb这两个库安装了最新版本
vector_store = Chroma(
collection_name="test", #当前向量存储起个名字，类似数据库的表名称
embedding_function=DashScopeEmbeddings(), # 向量嵌入模型
persist_directory="./chroma_db" # 持久化目录
)
loader = CSVLoader(
"data/stu.csv", # CSV文件路径
encoding="utf-8", # 编码格式
source_column="name", # 文档来源列名
csv_args={"delimiter": ",", "quotechar": "\""} # 明确指定分隔符和引号
)
documents = loader.load()
# 向量存储的新增、删除、检索
vector_store.add_documents(
documents = documents, # 被添加的文档，类型：list[Document]
ids = ["id"+str(i) for i in range(1, len(documents)+1)] #给添加的文档提供id（字符串）list[str]
)
# 删除传入[id，id...]
vector_store.delete(["id1", "id2"])
# 检索传入查询字符串
results = vector_store.similarity_search(
"周博文",
k=3 # 返回的文档数量，默认值为1
# filter={"name": "周博文"} # 过滤条件，类型：dict[str, str]
)
print(results)
（用 python3.14运行此代码会报错，不是代码的问题是3.14太新了，换python3.11就可以正常运行了，langchain 和 chromadb 及其底层依赖库 pydantic 目前尚未完全适配 Python 3.14（目前 Python 3.14 还处于早期开发/测试阶段，并非稳定版）。chromadb 内部使用了 pydantic 的旧版本特性（v1），而这些特性在 Python 3.14 中无法正常工作，导致类型推断失败。）
Langchain内提供向量存储功能，可以基于：
- InMemoryVectorStore，完成内存向量存储
- Chroma，外部数据库向量存储
向量存储类均提供3个通用API接口：
- add_document，添加文档到向量存储
- delete，从向量存储中删除文档
- similarity_search:相似度搜索
整体向量存储使用流程如下（RAG流程）：
image.png
