MariaDB

LangChain 的 MariaDB 集成（langchain-mariadb）为 MariaDB 11.7.1 及以上版本提供了向量功能，采用 MIT 许可证发布。用户可以直接使用提供的实现，或根据特定需求进行定制化。 主要功能包括：

• 内置向量相似性搜索
• 支持余弦和欧几里得距离度量
• 强大的元数据过滤选项
• 通过连接池进行性能优化
• 可配置的表和列设置

设置

启动一个MariaDB Docker容器，使用：

!docker run --name mariadb-container -e MARIADB_ROOT_PASSWORD=langchain -e MARIADB_DATABASE=langchain -p 3306:3306 -d mariadb:11.7

安装包

该包使用 SQLAlchemy，但与 MariaDB 连接器配合最佳，后者需要 C/C++ 组件。

# Debian, Ubuntu
!sudo apt install libmariadb3 libmariadb-dev

# CentOS, RHEL, Rocky Linux
!sudo yum install MariaDB-shared MariaDB-devel

# Install Python connector
!pip install -U mariadb

然后安装 langchain-mariadb 个包

pip install -U langchain-mariadb

向量存储与大型语言模型（LLM）一起工作，这里以langchain-openai为例。

pip install langchain-openai
export OPENAI_API_KEY=...

初始化

from langchain_core.documents import Document
from langchain_mariadb import MariaDBStore
from langchain_openai import OpenAIEmbeddings

# connection string
url = f"mariadb+mariadbconnector://myuser:mypassword@localhost/langchain"

# Initialize vector store
vectorstore = MariaDBStore(
    embeddings=OpenAIEmbeddings(),
    embedding_length=1536,
    datasource=url,
    collection_name="my_docs",
)

API 参考：文档 |OpenAIEmbeddings

管理向量存储

添加数据

您可以添加带有元数据的文档作为数据。

docs = [
    Document(
        page_content="there are cats in the pond",
        metadata={"id": 1, "location": "pond", "topic": "animals"},
    ),
    Document(
        page_content="ducks are also found in the pond",
        metadata={"id": 2, "location": "pond", "topic": "animals"},
    ),
    # More documents...
]
vectorstore.add_documents(docs)

或者以纯文本形式（可选带元数据）：

texts = [
    "a sculpture exhibit is also at the museum",
    "a new coffee shop opened on Main Street",
]
metadatas = [
    {"id": 6, "location": "museum", "topic": "art"},
    {"id": 7, "location": "Main Street", "topic": "food"},
]

vectorstore.add_texts(texts=texts, metadatas=metadatas)

查询向量存储

# Basic similarity search
results = vectorstore.similarity_search("Hello", k=2)

# Search with metadata filtering
results = vectorstore.similarity_search("Hello", filter={"category": "greeting"})

筛选选项

系统支持对元数据的各种过滤操作：

• 相等：$eq
• 不等式：$ne
• 比较：$lt, $lte, $gt, $gte
• 列表操作：$in, $nin
• 文本匹配：$like, $nlike
• 逻辑运算：$and, $or, $not

Example:

# Search with simple filter
results = vectorstore.similarity_search(
    "kitty", k=10, filter={"id": {"$in": [1, 5, 2, 9]}}
)

# Search with multiple conditions (AND)
results = vectorstore.similarity_search(
    "ducks",
    k=10,
    filter={"id": {"$in": [1, 5, 2, 9]}, "location": {"$in": ["pond", "market"]}},
)

检索增强生成的用法

TODO：记录示例

API 参考

查看更多详细信息，请查看 此处 的代码库。

相关

• 向量存储 概念指南
• 向量存储 操操作指南