探索Google Firestore的原生模式：构建AI驱动的应用程序

最新推荐文章于 2025-06-10 18:11:14 发布

tt_jishu

最新推荐文章于 2025-06-10 18:11:14 发布

阅读量874

点赞数 5

文章标签：人工智能 python

本文链接：https://blog.youkuaiyun.com/tt_jishu/article/details/143820557

版权

探索Google Firestore的原生模式：构建AI驱动的应用程序

现代应用程序的需求不断增长，开发者需要一个能够快速扩展，无需大量硬件和管理资源的数据库解决方案。Google Firestore 是一个无服务器的文档导向数据库，完美地满足了这些需求。通过结合 Firestore 和 Langchain 集成，您可以扩展数据库应用程序，构建由 AI 驱动的体验。在这篇文章中，我们将探讨如何使用 Firestore 来存储向量，并使用 FirestoreVectorStore 类对其进行查询。

1. 引言

Firestore 作为谷歌云的一部分，是一种无服务器的、可自动扩展的文档存储数据库。本文旨在展示如何在 Firestore 中存储和查询向量，为构建 AI 驱动的应用程序奠定基础。

2. 主要内容

2.1 环境准备

在开始之前，你需要完成以下步骤：

创建一个 Google Cloud 项目
启用 Firestore API
创建 Firestore 数据库

确认您在此notebook的运行时环境中能够访问数据库后，开始设置集合名称：

# 指定一个集合名称用于演示
COLLECTION_NAME = "test"  # 这里可以更改为您实际使用的集合名称

2.2 安装必要的软件包

我们需要安装 langchain-google-firestore 和 langchain-google-vertexai 软件包以便集成和使用 Google Generative AI 嵌入。

%pip install --upgrade --quiet langchain-google-firestore langchain-google-vertexai

2.3 设置 Google Cloud 项目

使用以下代码来设置您的 Google Cloud 项目：

PROJECT_ID = "your-project-id"  # 请用您的实际项目ID替换
!gcloud config set project {PROJECT_ID}

2.4 认证

使用 Google Colab 或 Vertex AI Workbench 进行认证：

from google.colab import auth
auth.authenticate_user()

3. 代码示例

下面是一个完整的示例，介绍如何使用 FirestoreVectorStore 来存储和查询向量：

from langchain_google_firestore import FirestoreVectorStore
from langchain_google_vertexai import VertexAIEmbeddings

# 初始化嵌入
embedding = VertexAIEmbeddings(
    model_name="textembedding-gecko@latest",
    project=PROJECT_ID,
)

# 样本数据
ids = ["apple", "banana", "orange"]
fruits_texts = ['{"name": "apple"}', '{"name": "banana"}', '{"name": "orange"}']

# 创建一个向量存储
vector_store = FirestoreVectorStore(
    collection="fruits",
    embedding=embedding,
)

# 将水果数据添加到向量存储中
vector_store.add_texts(fruits_texts, ids=ids)

# 查询存储的向量
results = vector_store.similarity_search("I like fuji apples", k=3)

print(results)