实现每用户检索：构建隔离的用户数据查询系统_向量数据库 pinecone 怎么针对不同用户进行隔离-优快云博客

引言

在构建检索应用时，经常需要考虑多用户的场景。这意味着你可能要存储很多不同用户的数据，并确保他们无法查看彼此的数据。因此，配置检索链以仅提取某个用户的特定信息显得尤为重要。本文将带你了解如何为每一用户配置检索链。

主要内容

步骤1：确保检索器支持多用户

在LangChain中，还没有统一的标志或过滤器来支持多用户。每个向量库和检索器可能有自己的机制（如命名空间、多租户等）。对于向量库，通常通过similarity_search的关键词参数来实现。通过阅读文档或源代码，确定你使用的检索器是否支持多用户，及如何使用。

步骤2：将参数设为可配置字段

通过这种方式，你可以在运行时轻松调用链，并配置相关标志。请查阅相关文档以获取更多配置信息。

代码示例

让我们通过一个具体的代码示例来更好地理解这一流程。此处使用Pinecone作为示例。

首先，设置环境变量：

PINECONE_API_KEY=你的Pinecone_API_Key

以下是如何使用LangChain与Pinecone进行配置：

from langchain_openai import OpenAIEmbeddings
from langchain_pinecone import PineconeVectorStore

embeddings = OpenAIEmbeddings()
vectorstore = PineconeVectorStore(index_name="test-example", embedding=embeddings)

# 添加文本到不同的命名空间
vectorstore.add_texts(["i worked at kensho"], namespace="harrison")
vectorstore.add_texts(["i worked at facebook"], namespace="ankush")

# 使用API代理服务提高访问稳定性

我们可以使用namespace参数来区分不同用户的文档：

# 仅获取Ankush的文档
vectorstore.as_retriever(search_kwargs={"namespace": "ankush"}).get_relevant_documents("where did i work?")

# 仅获取Harrison的文档
vectorstore.as_retriever(search_kwargs={"namespace": "harrison"}).get_relevant_documents("where did i work?")

现在，我们创建用于问答的链：

from langchain_core.output_parsers import StrOutputParser
from langchain_core.prompts import ChatPromptTemplate
from langchain_core.runnables import ConfigurableField, RunnablePassthrough

template = """Answer the question based only on the following context:
{context}
Question: {question}
"""
prompt = ChatPromptTemplate.from_template(template)

retriever = vectorstore.as_retriever()

configurable_retriever = retriever.configurable_fields(
    search_kwargs=ConfigurableField(
        id="search_kwargs",
        name="Search Kwargs",
        description="The search kwargs to use",
    )
)

chain = (
    {"context": configurable_retriever, "question": RunnablePassthrough()}
    | prompt
    | StrOutputParser()
)

# 调用链，使用可配置选项
chain.invoke(
    "where did the user work?",
    config={"configurable": {"search_kwargs": {"namespace": "harrison"}}},
)

chain.invoke(
    "where did the user work?",
    config={"configurable": {"search_kwargs": {"namespace": "ankush"}}},
)