【RAG】【vector_stores044】LanceDB向量存储示例分析

案例目标本案例展示了如何使用LanceDB向量数据库与LlamaIndex框架集成实现高效的向量存储和检索功能。主要目标包括演示LanceDB向量存储的基本设置和配置展示如何创建、查询和更新向量索引实现基于元数据的过滤查询演示混合搜索Hybrid Search功能展示如何向现有索引追加新数据技术栈与核心依赖本案例使用的主要技术栈和依赖包括LlamaIndexLanceDBOpenAIColbertRerankerTransformersTantivy核心依赖包llama-index llama-index-vector-stores-lancedb lancedb0.6.13 openai torch transformers tantivy环境配置1. 安装依赖%pip install llama-index llama-index-vector-stores-lancedb %pip install lancedb0.6.13 ! pip install -U torch transformers tantivygithttps://github.com/quickwit-oss/tantivy-py#164adc87e1a033117001cf70e38c82a53014d9852. 设置OpenAI API密钥import openai openai.api_key sk-3. 清理旧的向量存储# 刷新向量存储URI如果重新启动或重用同一个notebook ! rm -rf ./lancedb案例实现1. LanceDB向量存储初始化创建LanceDB向量存储实例指定URI、模式和查询类型from llama_index.core import SimpleDirectoryReader, Document, StorageContext from llama_index.core import VectorStoreIndex from llama_index.vector_stores.lancedb import LanceDBVectorStore vector_store LanceDBVectorStore( uri./lancedb, modeoverwrite, query_typehybrid ) storage_context StorageContext.from_defaults(vector_storevector_store)2. 文档加载与索引创建下载并加载Paul Graham的文章然后创建向量索引# 下载示例数据 !mkdir -p data/paul_graham/ !wget https://raw.githubusercontent.com/run-llama/llama_index/main/docs/examples/data/paul_graham/paul_graham_essay.txt -O data/paul_graham/paul_graham_essay.txt # 加载文档 documents SimpleDirectoryReader(./data/paul_graham/).load_data() # 创建索引 index VectorStoreIndex.from_documents( documents, storage_contextstorage_context )3. 基本查询创建查询引擎并执行基本查询query_engine index.as_query_engine() response query_engine.query(How much did Viaweb charge per month?) print(response)查询结果Viaweb charged $100 a month for a small store and $300 a month for a big one.4. 元数据过滤使用MetadataFilters实现基于元数据的过滤查询from llama_index.core.vector_stores import ( MetadataFilters, FilterOperator, FilterCondition, MetadataFilter, ) from datetime import datetime query_filters MetadataFilters( filters[ MetadataFilter( keycreation_date, operatorFilterOperator.EQ, valuedatetime.now().strftime(%Y-%m-%d), ), MetadataFilter( keyfile_size, value75040, operatorFilterOperator.GT ), ], conditionFilterCondition.AND, ) query_engine index.as_query_engine(filtersquery_filters) response query_engine.query(How much did Viaweb charge per month?)5. LanceDB原生SQL过滤使用LanceDB原生的where子句进行SQL风格的过滤lance_filter metadata.file_name paul_graham_essay.txt retriever index.as_retriever(vector_store_kwargs{where: lance_filter}) response retriever.retrieve(What did the author do growing up?)检索结果检索到了作者Paul Graham在大学前的主要活动写作和编程以及他早期接触计算机的经历。6. 混合搜索配置ColbertReranker实现混合搜索结合向量搜索和文本搜索from lancedb.rerankers import ColbertReranker reranker ColbertReranker() vector_store._add_reranker(reranker) query_engine index.as_query_engine(filtersquery_filters) response query_engine.query(How much did Viaweb charge per month?)7. 数据追加向现有索引追加新数据# 创建新索引 index VectorStoreIndex.from_documents( [Document(textThe sky is purple in Portland, Maine)], uri/tmp/new_dataset, ) # 追加节点 index.insert_nodes(nodes) # 查询追加的数据 query_engine index.as_query_engine() response query_engine.query(Where is the sky purple?) print(textwrap.fill(str(response), 100))查询结果Portland, Maine8. 从现有表创建索引从已存在的LanceDB表创建向量索引del index vec_store LanceDBVectorStore.from_table(vector_store._table) index VectorStoreIndex.from_vector_store(vec_store) query_engine index.as_query_engine() response query_engine.query(What companies did the author start?) print(textwrap.fill(str(response), 100))查询结果The author started Viaweb and Aspra.案例效果本案例成功实现了以下功能使用LanceDB作为向量存储后端高效存储和检索文档向量支持基于元数据的精确过滤提高查询准确性实现了混合搜索功能结合向量搜索和文本搜索的优势支持动态追加数据到现有索引可以从现有LanceDB表直接创建索引提高数据复用性查询效果示例查询问题查询结果How much did Viaweb charge per month?Viaweb charged $100 a month for a small store and $300 a month for a big one.What did the author do growing up?作者在大学前主要从事写作和编程活动早期接触了IBM 1401和TRS-80计算机Where is the sky purple?Portland, MaineWhat companies did the author start?The author started Viaweb and Aspra.案例实现思路1. 向量存储架构LanceDB作为向量存储后端采用以下架构使用LanceDBVectorStore作为LlamaIndex与LanceDB之间的桥梁通过StorageContext将向量存储集成到LlamaIndex索引中支持本地存储和云端存储两种模式2. 混合搜索实现混合搜索结合了向量搜索和文本搜索的优势使用ColbertReranker对初始搜索结果进行重排序支持query_typehybrid配置启用混合搜索模式通过vector_store_kwargs参数传递查询参数3. 元数据过滤机制支持两种元数据过滤方式使用LlamaIndex的MetadataFilters类进行结构化过滤使用LanceDB原生的where子句进行SQL风格过滤支持AND/OR逻辑组合多种过滤条件4. 数据管理策略提供了灵活的数据管理方式支持从文档创建新索引可以向现有索引追加新数据可以从现有表创建索引实现数据复用扩展建议基于本案例可以考虑以下扩展方向性能优化调整nprobes和refine_factor参数平衡搜索精度和性能多模态支持扩展支持图像、音频等多模态数据的向量存储和检索分布式部署配置LanceDB集群实现大规模向量存储和检索高级过滤实现更复杂的元数据过滤条件如范围查询、模糊匹配等实时更新实现向量索引的实时更新机制支持动态数据流自定义重排序开发领域特定的重排序算法提高检索相关性可视化界面构建Web界面提供可视化的向量管理和查询功能总结LanceDB向量存储示例展示了如何将LanceDB与LlamaIndex框架集成构建高效的向量存储和检索系统。该案例涵盖了从基本设置到高级功能如混合搜索和元数据过滤的完整流程为开发者提供了实用的参考实现。LanceDB的优势在于高性能的向量存储和检索能力支持混合搜索结合向量搜索和文本搜索的优势灵活的元数据过滤机制支持本地和云端部署易于集成到LlamaIndex等AI框架中通过本案例开发者可以快速掌握LanceDB的基本用法并将其应用到实际的AI应用开发中构建高效的向量检索系统。