Skip to main content

Prisma

为了在 PostgreSQL 数据库中使用向量搜索增强现有模型，Langchain 支持将 Prisma 与 PostgreSQL 和 pgvector Postgres 扩展一起使用。

安装配置​

使用 Supabase 设置数据库实例​

请参考 Prisma 和 Supabase 集成指南 来使用 Supabase 和 Prisma 设置新的数据库实例。

安装 Prisma​

npm install prisma

使用 docker-compose 设置 pgvector 自托管实例​

pgvector 提供了一个预构建的 Docker 镜像，可用于快速设置一个自托管的 Postgres 实例。

services:
  db:
    image: ankane/pgvector
    ports:
      - 5432:5432
    volumes:
      - db:/var/lib/postgresql/data
    environment:
      - POSTGRES_PASSWORD=
      - POSTGRES_USER=
      - POSTGRES_DB=

volumes:
  db:

创建新的 schema​

假设你尚未创建 schema，请创建一个包含类型为 Unsupported("vector") 的 vector 字段的新模型：

model Document {
  id      String                 @id @default(cuid())
  content String
  vector  Unsupported("vector")?
}

然后，使用 --create-only 创建一个新的迁移以避免直接运行迁移：

npx prisma migrate dev --create-only

如果尚未启用 pgvector 扩展，请向新创建的迁移中添加以下行：

CREATE EXTENSION IF NOT EXISTS vector;

然后运行迁移：

npx prisma migrate dev

使用方法​

:::提示 请参阅安装集成包的一般说明部分。 :::

npm install @langchain/openai @langchain/community @langchain/core
danger

表名和列名（如 tableName、vectorColumnName、columns 和 filter 等字段）会直接传递到 SQL 查询中，而没有参数化。必须事先对这些字段进行清理，以避免 SQL 注入。

import { PrismaVectorStore } from "@langchain/community/vectorstores/prisma";
import { OpenAIEmbeddings } from "@langchain/openai";
import { PrismaClient, Prisma, Document } from "@prisma/client";

export const run = async () => {
  const db = new PrismaClient();

  // Use the `withModel` method to get proper type hints for `metadata` field:
  const vectorStore = PrismaVectorStore.withModel<Document>(db).create(
    new OpenAIEmbeddings(),
    {
      prisma: Prisma,
      tableName: "Document",
      vectorColumnName: "vector",
      columns: {
        id: PrismaVectorStore.IdColumn,
        content: PrismaVectorStore.ContentColumn,
      },
    }
  );

  const texts = ["Hello world", "Bye bye", "What's this?"];
  await vectorStore.addModels(
    await db.$transaction(
      texts.map((content) => db.document.create({ data: { content } }))
    )
  );

  const resultOne = await vectorStore.similaritySearch("Hello world", 1);
  console.log(resultOne);

  // create an instance with default filter
  const vectorStore2 = PrismaVectorStore.withModel<Document>(db).create(
    new OpenAIEmbeddings(),
    {
      prisma: Prisma,
      tableName: "Document",
      vectorColumnName: "vector",
      columns: {
        id: PrismaVectorStore.IdColumn,
        content: PrismaVectorStore.ContentColumn,
      },
      filter: {
        content: {
          equals: "default",
        },
      },
    }
  );

  await vectorStore2.addModels(
    await db.$transaction(
      texts.map((content) => db.document.create({ data: { content } }))
    )
  );

  // Use the default filter a.k.a {"content": "default"}
  const resultTwo = await vectorStore.similaritySearch("Hello world", 1);
  console.log(resultTwo);
};

API Reference:

以下 SQL 操作符可以作为过滤器使用：equals、in、isNull、isNotNull、like、lt、lte、gt、gte、not。

以上示例使用了以下 schema：

// This is your Prisma schema file,
// learn more about it in the docs: https://pris.ly/d/prisma-schema

generator client {
  provider = "prisma-client-js"
}

datasource db {
  provider = "postgresql"
  url      = env("DATABASE_URL")
}

model Document {
  id        String                 @id @default(cuid())
  content   String
  namespace String?                @default("default")
  vector    Unsupported("vector")?
}

API Reference:

    如果你不需要 namespace，可以将其删除。

    相关内容​

    Was this page helpful?


    You can also leave detailed feedback on GitHub.