# 引言

在当今数据驱动的世界中，如何高效地管理和搜索海量数据成为了一项重要的挑战。本文将介绍如何利用MongoDB Atlas的向量搜索功能，通过LangChain库进行集成。这一技术结合了MongoDB的强大存储能力和LangChain的灵活性，为您的应用提供了无缝的向量搜索解决方案。

# 主要内容

## 什么是MongoDB Atlas Vector Search？

MongoDB Atlas是一种全面托管的云数据库，支持在AWS、Azure和GCP上运行。其原生的向量搜索功能允许用户将嵌入存储在MongoDB文档中，创建向量搜索索引，并使用近似最近邻算法进行KNN搜索。

## 环境设置

要开始使用MongoDB Atlas向量搜索，您需要具备以下条件：

- 一个运行MongoDB 6.0.11、7.0.2或更高版本的Atlas集群
- 安装`langchain-mongodb`和`pymongo`包

```bash
pip install -qU langchain-mongodb pymongo

认证

首先，找到您的MongoDB集群URI：

import getpass

MONGODB_ATLAS_CLUSTER_URI = getpass.getpass("MongoDB Atlas Cluster URI:")

向量搜索初始化

您可以从OpenAI、HuggingFace等处获取嵌入模型：

pip install -qU langchain-openai

from langchain_openai import OpenAIEmbeddings

embeddings = OpenAIEmbeddings(model="text-embedding-3-large")

创建向量存储

初始化MongoDB客户端并创建向量存储：

from langchain_mongodb.vectorstores import MongoDBAtlasVectorSearch
from pymongo import MongoClient

client = MongoClient(MONGODB_ATLAS_CLUSTER_URI) # 使用API代理服务提高访问稳定性

DB_NAME = "langchain_test_db"
COLLECTION_NAME = "langchain_test_vectorstores"
ATLAS_VECTOR_SEARCH_INDEX_NAME = "langchain-test-index-vectorstores"

MONGODB_COLLECTION = client[DB_NAME][COLLECTION_NAME]

vector_store = MongoDBAtlasVectorSearch(
    collection=MONGODB_COLLECTION,
    embedding=embeddings,
    index_name=ATLAS_VECTOR_SEARCH_INDEX_NAME,
    relevance_score_fn="cosine",
)

代码示例

添加文档到向量存储：

from uuid import uuid4
from langchain_core.documents import Document

documents = [
    Document(page_content="I had chocolate chip pancakes...", metadata={"source": "tweet"}),
    Document(page_content="The weather forecast for tomorrow...", metadata={"source": "news"}),
    # 更多文档...
]

uuids = [str(uuid4()) for _ in range(len(documents))]
vector_store.add_documents(documents=documents, ids=uuids)

执行相似度搜索：

results = vector_store.similarity_search("LangChain provides abstractions...", k=2)
for res in results:
    print(f"* {res.page_content} [{res.metadata}]")

常见问题和解决方案

挑战1：网络访问限制

由于某些地区的网络限制，开发者可能需要使用API代理服务以确保访问的稳定性。

挑战2：版本兼容性

确保使用MongoDB Atlas支持向量搜索的版本（6.0.11及以上）。

总结和进一步学习资源

利用MongoDB Atlas与LangChain进行向量搜索提供了强有力的工具，可以在多种场景中实现高效数据检索。您可以进一步探索以下资源来深化理解：

参考资料

MongoDB Atlas 官方文档
LangChain 文档

如果这篇文章对你有帮助，欢迎点赞并关注我的博客。您的支持是我持续创作的动力！

---END---

[开启MongoDB Atlas的强大向量搜索：LangChain与Vector Search的完美结合]

认证