О чём урок
В этом руководстве показано, как создать рабочий процесс семантического поиска с использованием:
- OpenAI embeddings для преобразования текста в векторные представления
- интеграции LangChain с Oracle vector store для записи и запроса векторов через привычный Python-интерфейс
- Oracle AI Database Vector Search для хранения embeddings наряду с реляционными/прикладными данными
OpenAI используется для генерации embeddings. LangChain предоставляет абстракцию vector store, а Oracle AI Database обеспечивает хранение векторов и поиск по сходству (similarity search). Это явно определяет роль OpenAI, не подразумевая, что OpenAI предоставляет отдельную управляемую функцию vector search.
Этот паттерн полезен для retrieval-augmented generation (RAG), внутреннего семантического поиска и приложений, где исходные данные уже находятся в Oracle. Он позволяет добавить семантический поиск (semantic retrieval) без внедрения отдельной векторной базы данных, сохраняя при этом интерфейс поиска LangChain доступным для более крупных рабочих процессов приложений.
- Текстовые документы преобразуются в embeddings с помощью text-embedding-3-small.
- LangChain записывает текст, метаданные и векторы в таблицу Oracle AI Database.
- Запрос на естественном языке преобразуется в embedding с помощью той же модели OpenAI.
- Oracle AI Database Vector Search возвращает ближайшие сохраненные документы.
- Извлеченный текст может быть передан модели генерации в более крупном RAG-приложении.
- Загрузка учетных данных из переменных среды или локального файла .env.
- Подключение к Oracle AI Database с помощью Python-драйвера oracledb.
- Инициализация OpenAI embeddings и Oracle vector store от LangChain.
- Вставка небольшого повторно запускаемого набора демонстрационных данных без накопления дубликатов.
- Выполнение семантического поиска по сходству (semantic similarity search) с помощью similarity_search(..., k=3).
- Python 3.10+
- Ключ OpenAI API с доступом к embeddings
- Oracle AI Database с включенным Vector Search
- Python-пакеты: langchain, langchain-openai, langchain-oracledb, oracledb, python-dotenv, numpy
Если эти пакеты уже установлены в вашей среде, эта cell не внесет никаких изменений.
Notebook считывает конфигурацию из переменных среды. Вы можете установить их в своей оболочке, в среде notebook или в локальном файле .env рядом с этим notebook:
Для локальных экспериментов…
План урока
- Краткий обзор архитектуры
- Что демонстрирует этот notebook
- Требования
- Установка зависимостей
- Настройка учетных данных и подключения к Oracle
- Варианты настройки Oracle
- Подключение к Oracle AI Database
- Выбор демонстрационной таблицы и метрики расстояния
Урок входит в полный доступ. Полный текст и видео открываются после оплаты. Первые уроки каждого курса бесплатны.