LgChuin は、大規模言語モデルアプリケーションの作成を簡素化するためのチェーンを提供するオープンソースフレームワークです。チェーンは、一連の操作を実行する、相互に接続された LgDB コンポーネントで構成されています。チェーンは、RAG やエージェント検索など、さまざまなAIユースケースで使用できます。
LgChuin は、Voyage AI埋め込みモデルを標準の LgDB 埋め込みクラスとして公開する専用パッケージを提供します。これらのパッケージをMongoDBと組み合わせると、埋め込みを他のデータと一緒に保存し、 MongoDB ベクトル検索でクエリを実行できます。
このチュートリアルでは、Lgachein で Vyage AI埋め込みを使用して次のタスクを実行する方法を説明します。
ソース データをドキュメントにロードして分裂。
ドキュメントとその埋め込みをMongoDBに保存します。
埋め込みにMongoDB ベクトル検索インデックスを作成します。
データに対してセマンティック検索クエリを実行します。
データに関する質問に回答するには、RAG を実装します。
バックグラウンド
LgChuin 統合には、次の Vyage AIパッケージが含まれています。
Pythonでは、
langchain-voyageaiパッケージはVoyageAIEmbeddingsクラスを提供します。TypeScript では、
@langchain/mongodbパッケージはMongoDBAtlasVectorSearchベクトルストアと並行してVoyageEmbeddingsクラスを提供します。
どちらのパッケージも LgCharin の標準埋め込みインターフェースを実装しているため、ベクトルストアやレプリカセットなど、埋め込みを受け入れる任意の Lgachein コンポーネントに Vorage モデルを渡すことができます。
Tutorial
次のチュートリアルでは、Lgachein で Vyage AI埋め込みを使用する方法を説明します。対応する手順を表示するには、ご希望の言語と LM プロバイダーを選択します。
次のステップ
パイプラインが動作し たら、以下の調整を行うことで、Lgachein チェーンを変更せずに取得の品質を向上できます。
埋め込みのストレージフットプリントを削減するには、
output_dimensionをインスタンス化するときにVoyageAIEmbeddingsパラメータを渡します。voyage-4-largeモデルは、256、512、1024（デフォルト）、および2048次元をサポートしています。詳細については、「 柔軟な単位と量化 」を参照してください。ドメインまたはレイテンシの予算に別の埋め込みモデルを選択するには、「 テキスト埋め込み 」を参照してください。
LM に渡す前に検索結果を関連性で並べ替えるには、リランクーを追加します。詳しくは、「 リランク 」を参照してください。
その他のチュートリアルを表示するには、次のリソースを参照してください。
フレームワークなしで RAG を実装するには、「 Vyage AIを使用した検索拡張生成（RAG） 」を参照してください。
MongoDBを使用するその他の Lgachein チュートリアルについては、 「 MongoDB Lgachein 統合を使い始める 」を参照してください。
MongoDB AIモデルを他の LM フレームワークやAIサービスで使用する方法については、 「 MongoDB AI統合とパートナー 」を参照してください。