Skip to main content
Open In ColabOpen on GitHub

缓存

嵌入向量 可以被存储或临时缓存，以避免需要重新计算它们。

缓存嵌入可以通过使用 CacheBackedEmbeddings 实现。缓存支持的嵌入器是围绕一个嵌入器的包装器，它会将嵌入缓存到键值存储中。文本会被哈希，哈希结果将作为缓存中的键。

初始化的主要支持方式是 CacheBackedEmbeddings，即 from_bytes_store。它接受以下参数：

  • underlying_embedder: 用于嵌入的嵌入器。
  • document_embedding_cache: Any ByteStore 用于缓存文档嵌入。
  • batch_size: (可选，默认为 None) 在存储更新之间要嵌入的文档数量。
  • namespace: (可选，默认为 "") 用于文档缓存的命名空间。此命名空间用于避免与其他缓存发生冲突。例如，可将其设置为所使用的嵌入模型名称。
  • query_embedding_cache: (可选，默认为 None 或不缓存) 一个用于缓存查询嵌入的 ByteStore，或 True 以使用与 document_embedding_cache 相同的存储。

注意:

  • 请确保将 namespace 参数设置为避免使用不同的嵌入模型嵌入相同文本时发生冲突。
  • CacheBackedEmbeddings 默认不缓存查询嵌入。要启用查询缓存，需要指定一个 query_embedding_cache。
from langchain.embeddings import CacheBackedEmbeddings

使用向量存储​

首先，让我们看一个使用本地文件系统存储嵌入并使用 FAISS 向量存储库进行检索的示例。

%pip install --upgrade --quiet  langchain-openai faiss-cpu
from langchain.storage import LocalFileStore
from langchain_community.document_loaders import TextLoader
from langchain_community.vectorstores import FAISS
from langchain_openai import OpenAIEmbeddings
from langchain_text_splitters import CharacterTextSplitter

underlying_embeddings = OpenAIEmbeddings()

store = LocalFileStore("./cache/")

cached_embedder = CacheBackedEmbeddings.from_bytes_store(
    underlying_embeddings, store, namespace=underlying_embeddings.model
)

在嵌入之前，缓存为空：

list(store.yield_keys())
[]

加载文档，将其拆分为块，嵌入每个块并将其加载到向量存储中。

raw_documents = TextLoader("state_of_the_union.txt").load()
text_splitter = CharacterTextSplitter(chunk_size=1000, chunk_overlap=0)
documents = text_splitter.split_documents(raw_documents)

创建向量存储：

%%time
db = FAISS.from_documents(documents, cached_embedder)
CPU times: user 218 ms, sys: 29.7 ms, total: 248 ms
Wall time: 1.02 s

如果我们再次尝试创建向量存储，速度会更快，因为它不需要重新计算任何嵌入。

%%time
db2 = FAISS.from_documents(documents, cached_embedder)
CPU times: user 15.7 ms, sys: 2.22 ms, total: 18 ms
Wall time: 17.2 ms

以下是创建的一些嵌入示例：

list(store.yield_keys())[:5]
['text-embedding-ada-00217a6727d-8916-54eb-b196-ec9c9d6ca472',
 'text-embedding-ada-0025fc0d904-bd80-52da-95c9-441015bfb438',
 'text-embedding-ada-002e4ad20ef-dfaa-5916-9459-f90c6d8e8159',
 'text-embedding-ada-002ed199159-c1cd-5597-9757-f80498e8f17b',
 'text-embedding-ada-0021297d37a-2bc1-5e19-bf13-6c950f075062']

交换 ByteStore

为了使用不同的 ByteStore，只需在创建您的 CacheBackedEmbeddings 时使用它。下面，我们创建一个等效的缓存嵌入对象，只是改用非持久化的 InMemoryByteStore：

from langchain.embeddings import CacheBackedEmbeddings
from langchain.storage import InMemoryByteStore

store = InMemoryByteStore()

cached_embedder = CacheBackedEmbeddings.from_bytes_store(
    underlying_embeddings, store, namespace=underlying_embeddings.model
)