VecSe组件深入学习与检索方法.pdfVIP

01.VectorStore组件深入学习

考虑到目前市面上的向量数据库众多，每个数据库的操作方式也无统一，但仍然存在一些

公共特征。LangChain基于这些通用的特征封装了VectorStore基类，在这个基类下，可以将

方法划分成6种：相似性搜索、最大边际相关性搜索、通用搜索、添加删除精确查找数据、检

索器、创建数据库，类图如下：

1.1带得分阈值的相似性搜索

在LangChain的相似性搜索中，无论结果多不匹配，只要向量数据库中存在数据，一定会

查找出相应的结果。在RAG应用开发中，一般是将高相似文档到Prompt中，所以可

以考虑添加一个相似性得分阈值，超过该数值的部分才等同于有相似性。

_____hold阈值参数，

在similaritysearchwithrelevancescores()函数中，可以传递scorethres

过滤低于该得分的文档。

例如没有添加阈值检索我养了一只猫，叫笨笨，示例与输出如下

importdotenv

_

fromlangchaincommunity.vectorstoresimportFAISS

_