RAG技术的核心组件搭配LangChain介绍

一、嵌入模型(Embedding models)

　　作用：嵌入将文本转换为密集的向量表示，分为词嵌入、句子嵌入、图嵌入和图像嵌入。

　　1. Ollama：OllamaEmbeddings是与Ollama集成，实现本地嵌入模型，注重隐私；

　　2. OpenAi：OpenAIEmbeddings是使用OpenAI的API，广泛使用，对于通用任务有效；

　　3. Huggingface：HuggingFaceEmbeddings。

 

二、向量数据库(Vector stores)

　　作用：将嵌入的向量存储以实现高效检索。

　　1. Milvus：开源向量数据库，高度可扩展，专为人工智能和机器学习应用而设计；

　　2. Chroma：开源向量数据库；

　　　　I. 安装：pip install langchain-chroma；

　　　　II. 使用

　　　　III. 其它：

　　　　　　A. 算法：HNSW和ANND算法；

　　　　　　B. 集合(Collections)：类似于数据库中的表，用于组织一组向量和元数据。

　　3. Qdrant：

　　4. Weaviate：