LangChain es un marco de código abierto que proporciona cadenas para simplificar la creación de aplicaciones de modelos de lenguaje de gran tamaño. Las cadenas constan de componentes LangChain interconectados que realizan una secuencia de operaciones. Puede utilizar cadenas para diversos casos de uso de IA, incluyendo RAG y recuperación de información mediante agentes.
LangChain proporciona paquetes específicos que exponen los modelos de incrustación de Voyage AI como clases de incrustación estándar de LangChain. Al combinar estos paquetes con MongoDB, puede almacenar sus incrustaciones junto con sus otros datos y consultarlas mediante la búsqueda vectorial de MongoDB.
Este tutorial muestra cómo usar las incrustaciones de Voyage AI con LangChain para completar las siguientes tareas:
Cargar y dividir los datos de origen en documentos.
Almacene los documentos y sus incrustaciones en MongoDB.
Crea un índice de búsqueda vectorial de MongoDB en tus incrustaciones.
Ejecuta consultas de búsqueda semántica en tus datos.
Implementa RAG para responder preguntas sobre tus datos.
Segundo plano
La integración de LangChain incluye los siguientes paquetes de Voyage AI:
En Python, el paquete
langchain-voyageaiproporciona la claseVoyageAIEmbeddings.En TypeScript, el paquete
@langchain/mongodbproporciona la claseVoyageEmbeddingsjunto con el almacén de vectoresMongoDBAtlasVectorSearch.
Dado que ambos paquetes implementan la interfaz de incrustación estándar de LangChain, puede pasar un modelo Voyage a cualquier componente de LangChain que acepte incrustaciones, incluidos los almacenes y recuperadores de vectores.
Tutorial
El siguiente tutorial muestra cómo usar las incrustaciones de Voyage AI con LangChain. Seleccione su idioma y proveedor LLM preferidos para ver las instrucciones correspondientes.
Próximos pasos
Una vez que tenga una canalización en funcionamiento, puede realizar los siguientes ajustes para mejorar la calidad de la recuperación sin cambiar su cadena LangChain:
Para reducir el espacio de almacenamiento que ocupan sus incrustaciones, pase el parámetro
output_dimensional instanciarVoyageAIEmbeddings. El modelovoyage-4-largeadmite las dimensiones256,512,1024(predeterminada) y2048. Para obtener más información, consulte Dimensiones flexibles y cuantización.Para elegir un modelo de incrustación diferente que se ajuste a su dominio o presupuesto de latencia, consulte la sección Incrustaciones de texto.
Para reordenar los resultados de búsqueda por relevancia antes de enviarlos al LLM, agregue un reordenador. Para obtener más información, consulte Reordenadores.
Para ver tutoriales adicionales, consulte los siguientes recursos:
Para implementar RAG sin un marco de trabajo, consulte Generación aumentada por recuperación (RAG) con Voyage AI.
Para obtener más información sobre otros tutoriales de LangChain que utilizan MongoDB, consulte la sección "Primeros pasos con la integración de LangChain con MongoDB".
Para obtener información sobre cómo utilizar los modelos de Voyage AI con otros marcos de trabajo LLM y servicios de IA, consulte Integraciones y socios de IA de MongoDB.