如何在LangChain中使用PGVector扩展Postgres作为向量存储

技术背景介绍

在现代自然语言处理（NLP）应用中，向量存储（vectorstore）是一个关键组件，它可以有效地存储和检索文本向量。LangChain是一个强大的工具，它提供了一些优秀的向量存储抽象。在这篇文章中，我们将介绍如何使用 langchain_postgres 包，通过 Postgres 的 pgvector 扩展实现向量存储。

核心原理解析

pgvector 是一个为Postgres设计的扩展，它允许在数据库中存储和操作高维向量。这使得我们可以使用Postgres作为一个高效的向量存储后端。langchain_postgres 包提供了一种方法，通过使用Postgres和 pgvector 扩展来实现LangChain向量存储抽象。

代码实现演示(重点)

环境配置及容器启动

首先，安装需要的包：

pip install -qU langchain_postgres

使用以下命令启动一个带有 pgvector 扩展的Postgres容器：

%docker run --name pgvector-container -e POSTGRES_USER=langchain -e POSTGRES_PASSWORD=langchain -e POSTGRES_DB=langchain -p 6024:5432 -d pgvector/pgvector:pg16

配置和初始化

确保安装了 langchain_openai、langchain_huggingface、langchain_core 包：

pip install -qU langchain-openai
pip install -qU langchain-huggingface
pip install -qU langchain-core

然后，我们可以初始化连接和嵌入对象：

import openai
import getpass
from langchain_openai import OpenAIEmbeddings
from langchain_huggingface import HuggingFaceEmbeddings
from langchain_core.embeddings import FakeEmbeddings
from langchain_core.documents import Document
from langchain_po