您可以将Atlas Vector Search与LangChain公司建造法学硕士应用程序和实现检索增强生成（RAG）。本教程演示如何开始使用带有LangChain的Atlas Vector Search来执行对数据进行语义搜索并构建RAG公司实施。具体来说，您可以执行以下操作：
设置环境。
将自定义数据存储在阿特拉斯。
在数据上创建Atlas Vector Search索引。
运行以下矢量搜索查询：
语义搜索。
带分数的语义搜索。
带元数据预过滤的语义搜索。
实施RAG公司使用Atlas Vector Search回答有关数据的问题。
LangChain是一个开源框架，它简化了法学硕士通过使用“链”应用程序。链是特定于LangChain的可以组合用于各种人工智能用例的组件，包括RAG公司。
通过将Atlas Vector Search与LangChain集成，您可以使用阿特拉斯作为向量数据库，并使用Atlas vector Search实施RAG公司通过检索语义相似的文档根据您的数据。了解更多RAG公司,看见关键概念。
首先，通过复制来设置本教程的环境并将以下代码片段粘贴到笔记本中。
运行以下命令：
| %pip安装--升级--quiet langchain langchain-mongodb langchain-openai pymongo-pypdf |
然后，运行以下代码以导入所需的包：
| 进口获得通行证，os，pymongo，pprint |
| 从langchain_community.document_loaders（语言链通讯文档加载程序）进口PyPDF装载机 |
| 从语言链核心输出处理器进口StrOutputParser语句 |
| 从langchain_core.runname文件进口可运行直通 |
| 从langchain_mongodb语言链进口MongoDBAtlasVectorSearch |
| 从langchain_openai语言链进口ChatOpenAI、OpenAI嵌入 |
| 从语言链.提示进口提示模板 |
| 从语言链.text_splitter进口递归字符文本拆分器 |
| 从皮蒙戈人进口Mongo客户端 |
运行以下代码，并在出现提示时提供以下内容：
您的OpenAI API密钥。
您的阿特拉斯集群的SRV公司 连接字符串。
| os.environ公司[“OPENAI_API_KEY”]=获取通行证.getpass(“OpenAI API密钥：”) |
| ATLAS_CONNECTION_STRING=获取通行证(“MongoDB Atlas SRV连接字符串：”) |
连接字符串应使用以下格式：
| mongodb+srv://<用户名>：<密码>@<群集名称><主机名>.mongodb.net |
然后，将自定义数据加载到阿特拉斯并实例化阿特拉斯作为向量数据库，也称为向量存储。将以下代码片段复制并粘贴到笔记本中。
运行以下代码以建立连接到您的阿特拉斯集群。它规定了以下内容：
|
| client=MongoClient（ATLAS_CONNECTION_STRING） |
|
|
| 数据库名称=“langchain_db” |
| 收藏_名称=“测试” |
| atlas_collection=客户端[db_name][collection_name] |
| 矢量搜索索引=“矢量_索引” |
对于本教程，您将使用一个可公开访问的PDF文档标题为MongoDB Atlas最佳实践作为向量存储的数据源。本文档描述了各种建议和核心概念管理您的阿特拉斯部署。
要加载示例数据，请运行以下代码段。它执行以下操作：
|
| loader=PyPDF加载器("https://query.prod.cms.rt.microsoft.com/cms/api/am/binary/RE4HkJP") |
| data=loader.load（） |
|
|
| text_splitter=递归字符文本拆分器（chunk_size=200，chunk_overlap=20) |
| docs=text_splitter.split_documents（数据） |
|
|
| 文档[0] |
| 文档（page_content='Mong oDB Atlas最佳实践一月20 19A MongoD B白色报纸,元数据={'源'以下为：'https（https）以下为： |
运行以下代码创建向量存储命名矢量_搜索从示例文档中。此代码段使用蒙哥DBAtlasVectorSearch.from_documents方法并指定以下参数：
|
| vector_search=MongoDBAtlasVectorSearch.from_documents( |
| documents=文档， |
| 嵌入=OpenAIEmbeddings（disallowed_special=（））， |
| collection=地图集集合， |
| 索引名称=矢量搜索索引 |
| ) |
运行示例代码后，您可以查看向量嵌入在Atlas UI中通过导航到langchain_db.test测试集群中的集合。
要在向量存储上启用向量搜索查询，在上创建Atlas矢量搜索索引langchain_db.test测试收藏。
要创建Atlas Vector Search索引，必须项目数据访问管理员或更高的访问权限阿特拉斯项目。
如果尚未显示，请选择包含来自的所需项目 组织机构菜单在中导航栏。
如果尚未显示，请选择所需的项目来自项目导航栏中的菜单。
如果集群页面不是已显示，单击数据库在侧边栏中。
点击创建搜索索引。
低于地图集矢量搜索，选择JSON编辑器和然后单击下一步。
在数据库和集合部分，查找语言链db数据库，然后选择测试收藏。
在索引名称字段，输入向量_索引。
用以下索引替换默认定义定义，然后单击下一步。
此索引定义指定对以下字段进行索引在的索引中矢量搜索类型：
| { |
| “字段”：[ |
| { |
| “type”：“向量”， |
| “path”：“嵌入”， |
| “尺寸数”：1536， |
| “相似性”：“余弦” |
| }, |
| { |
| “type”：“filter”， |
| “路径”：“页面” |
| } |
| ] |
| } |
建立索引大约需要一分钟。尽管如此生成状态列读取首字母同步。建造完成后状态柱读取活动。
一次阿特拉斯建立索引，返回到您的笔记本，并对您的数据运行矢量搜索查询。以下示例演示了可以执行的各种查询在矢量化数据上运行。
本节演示如何实现RAG公司在您的应用程序与Atlas Vector Search和LangChain。现在您已经使用了Atlas Vector Search要检索语义相似的文档，请运行以下代码示例提示法学硕士根据这些文件回答问题。
了解其他RAG公司使用Atlas矢量搜索，请参阅LangChain提供的以下模板，以帮助您构建应用程序：
MongoDB还提供以下开发人员资源：
