跳至主要内容

Prisma

为了用向量搜索增强 PostgreSQL 数据库中的现有模型，Langchain 支持将 Prisma 与 PostgreSQL 和 pgvector Postgres 扩展一起使用。

设置​

使用 Supabase 设置数据库实例​

请参考 Prisma 和 Supabase 集成指南，使用 Supabase 和 Prisma 设置新的数据库实例。

安装 Prisma​

npm install prisma

使用 docker-compose 设置 pgvector 自托管实例​

pgvector 提供了一个预构建的 Docker 镜像，可用于快速设置自托管的 Postgres 实例。

services:
  db:
    image: ankane/pgvector
    ports:
      - 5432:5432
    volumes:
      - db:/var/lib/postgresql/data
    environment:
      - POSTGRES_PASSWORD=
      - POSTGRES_USER=
      - POSTGRES_DB=

volumes:
  db:

创建一个新模式​

假设你还没有创建模式，请创建一个包含 vector 字段的新模型，该字段的类型为 Unsupported("vector")。

model Document {
  id      String                 @id @default(cuid())
  content String
  vector  Unsupported("vector")?
}

之后，使用 --create-only 创建一个新的迁移，以避免直接运行迁移。

npx prisma migrate dev --create-only

将以下行添加到新创建的迁移中，如果 pgvector 扩展尚未启用，则启用它。

CREATE EXTENSION IF NOT EXISTS vector;

之后运行迁移。

npx prisma migrate dev

使用​

提示

请查看 此部分，了解安装集成包的一般说明。

npm install @langchain/openai @langchain/community @langchain/core
危险

表名和列名（在 tableName、vectorColumnName、columns 和 filter 等字段中）直接传递到 SQL 查询中，不会进行参数化。这些字段必须事先进行清理，以避免 SQL 注入。

import { PrismaVectorStore } from "@langchain/community/vectorstores/prisma";
import { OpenAIEmbeddings } from "@langchain/openai";
import { PrismaClient, Prisma, Document } from "@prisma/client";

export const run = async () => {
  const db = new PrismaClient();

  // Use the `withModel` method to get proper type hints for `metadata` field:
  const vectorStore = PrismaVectorStore.withModel<Document>(db).create(
    new OpenAIEmbeddings(),
    {
      prisma: Prisma,
      tableName: "Document",
      vectorColumnName: "vector",
      columns: {
        id: PrismaVectorStore.IdColumn,
        content: PrismaVectorStore.ContentColumn,
      },
    }
  );

  const texts = ["Hello world", "Bye bye", "What's this?"];
  await vectorStore.addModels(
    await db.$transaction(
      texts.map((content) => db.document.create({ data: { content } }))
    )
  );

  const resultOne = await vectorStore.similaritySearch("Hello world", 1);
  console.log(resultOne);

  // create an instance with default filter
  const vectorStore2 = PrismaVectorStore.withModel<Document>(db).create(
    new OpenAIEmbeddings(),
    {
      prisma: Prisma,
      tableName: "Document",
      vectorColumnName: "vector",
      columns: {
        id: PrismaVectorStore.IdColumn,
        content: PrismaVectorStore.ContentColumn,
      },
      filter: {
        content: {
          equals: "default",
        },
      },
    }
  );

  await vectorStore2.addModels(
    await db.$transaction(
      texts.map((content) => db.document.create({ data: { content } }))
    )
  );

  // Use the default filter a.k.a {"content": "default"}
  const resultTwo = await vectorStore.similaritySearch("Hello world", 1);
  console.log(resultTwo);
};

API 参考

以下 SQL 运算符可用作过滤器：equals、in、isNull、isNotNull、like、lt、lte、gt、gte、not。

以上示例使用以下模式。

// This is your Prisma schema file,
// learn more about it in the docs: https://pris.ly/d/prisma-schema

generator client {
  provider = "prisma-client-js"
}

datasource db {
  provider = "postgresql"
  url      = env("DATABASE_URL")
}

model Document {
  id        String                 @id @default(cuid())
  content   String
  namespace String?                @default("default")
  vector    Unsupported("vector")?
}

API 参考

    如果不需要，可以删除 namespace。

    此页面对您有帮助吗？


    您也可以留下详细的反馈 在 GitHub 上.