LangChain Indexing API - Update your Embeddings SURGICALLY!
Summary
TLDRこの動画は、リンクチェーンインデックスAPIの紹介とその大きなアップデートについて説明しています。このAPIは、ドキュメントの変更を追跡し、変更されたドキュメントだけを更新することで、インデックスを再作成するコストを削減することができます。また、データベースのアップデート方法や、PGベクターの使い方、そしてドキュメントの追跡と削除についても詳細に説明されています。このAPIの利用は、大規模なアプリケーションを構築する際に特に重要です。
Takeaways
- 🔗 リンクチェーンインデックスAPIの紹介: 大規模なアプリケーションにとって非常に重要なアップデートです。
- 📄 現在のワークフロー: ドキュメントを作成し、ベクトルストアに埋め込みを保存します。
- 🔄 データの更新がある場合: 古いインデックスを破棄し、新しい埋め込みを作成します。
- 🚀 インデックスAPIの利点: ドキュメントの変更を追跡し、変更されたドキュメントだけを更新することができます。
- 🐳 Dockerを使用してベクトルストアをホストし、Postgresデータベースを利用しています。
- 📦 PG Vector拡張機能をダウンロードして、init SQLスクリプトで作成します。
- 🛠️ コードデモ: Docker Composeを使用してベクトルストアを作成し、インデックスAPIを操作します。
- 📄 ドキュメントの作成: 'bellavista.txt'を読み込んで、テキストローダーとテキストスプリッターを使用します。
- 🔄 ドキュメントの更新と削除: クリーンアップ方法を使用して、ベクトルストア内のドキュメントを管理します。
- 🗑️ クリーンアップ方法: 'none'でスキップ、「incremental」で更新と削除、「full」で全てのドキュメントを再確認します。
- 🎯 アプリケーションのスケールアップやベクトルストアの管理に重要な役割を果たすインデックスAPIのアップデートについて学びました。
Q & A
Link ChainのインデックスAPIとは何ですか?
-Link ChainのインデックスAPIは、ドキュメントの変更を追跡し、変更されたドキュメントだけを更新する機能です。これにより、インデックスを一旦捨てて再作成する必要がなくなります。
ベクトルストアとは何ですか?
-ベクトルストアは、ドキュメントから生成されたベクトルを保存するためのデータベースです。これにより、類似性検索や情報検索などのタスクを効率的に行うことができます。
PG Vectorとは何ですか?
-PG Vectorは、PostgreSQLデータベースにベクトル検索機能を提供するオープンソースの拡張機能です。ベクトルデータを効率的に管理し、類似性検索を可能にします。
インデックスAPIを使用するメリットは何ですか?
-インデックスAPIを使用することで、ドキュメントの更新や削除を効率的に追跡し、無駄な処理やコストを削減することができます。また、大規模なアプリケーションの開発にも役立ちます。
どのようにしてベクトルストアを初期化しますか?
-ベクトルストアを初期化するには、Docker-composeを使用してPostgreSQLデータベースをホストし、PG Vector拡張機能をインストールします。その後、init SQLスクリプトでベクトルストアを作成します。
ドキュメントをどのように分割しますか?
-ドキュメントは、テキスト分割器(例:CharacterTextSplitter)を使用して分割されます。これにより、各分割された部分を個別のドキュメントとして扱うことができます。
SQLレコードマネージャーとは何ですか?
-SQLレコードマネージャーは、ドキュメントを追跡するためのデータベースオブジェクトです。これにより、PG Vectorと組み合わせて使用することで、複数のデータベースを作成せずにドキュメントを管理できます。
cleanupオプションは何を制御しますか?
-cleanupオプションは、ドキュメントの更新や削除時にベクトルストア内のベクトルの削除を制御します。'incremental'では変更されたドキュメントだけが削除されますが、'full'ではすべてのドキュメントがリストに含まれている必要があります。
ドキュメントの変更を追跡する方法は何ですか?
-ドキュメントの変更を追跡する方法は、Source IDキーを使用して行います。このキーはメタデータ属性に含まれており、インデックス関数で参照されます。これにより、ドキュメントの変更や削除がベクトルストアに反映されます。
インデックスAPIを使用する際に、どのような種類のデータベースが使用できますか?
-インデックスAPIを使用する際には、SQLベースのデータベースを使用することができます。このため、PostgreSQLなどのデータベースを使用して、ドキュメントの追跡や管理を効率的に行うことができます。
ベクトルストアとインデックスAPIを組み合わせて使用する利点は何ですか?
-ベクトルストアとインデックスAPIを組み合わせて使用することで、ドキュメントの変更をリアルタイムで追跡し、更新されたベクトルのみを再計算することができます。これにより、処理時間とコストを大幅に削減し、アプリケーションのスケーラビリティを向上させることができます。
Outlines
🔗 リンクチェーンインデックスAPIの紹介
この段落では、リンクチェーンインデックスAPIの導入とその大きなアップデートについて説明されています。現在のワークフローでは、ドキュメントがVectorストアに作成、埋め込み、保存されています。生のデータが更新されると、インデックスを捨てて新しい埋め込みを作成します。 インデックスAPIは、変更されたドキュメントだけを追跡・更新することで、無駄な費用を削減できる機能です。コードを通じてこのAPIの使い方を見直し、Docker-composeを使用してVectorストアを作成し、PG Vector拡張を利用しています。 また、ドキュメントの追跡や埋め込みの方法についても詳細に説明されています。
📄 ドキュメントの更新とクリーンアップ
この段落では、ドキュメントの更新とクリーンアップのプロセスについて説明されています。まず、新しいドキュメントを作成し、既存のドキュメントを削除して更新します。クリーンアップ機能は、変更されていないドキュメントをスキップし、変更されたものや新たに追加されたもののみを扱います。 クリーンアップ方法には、'incremental'と'full'の2つのオプションがあります。'incremental'は、大きなデータセットに適しており、変更された部分のみをアップデートします。'full'は、全てのドキュメントを再アップデートするため、小規模なデータセットに適しています。 また、空のリストを提供することで、Vectorストアから全てのドキュメントを削除する方法も紹介されています。
Mindmap
Keywords
💡link chain indexing API
💡Vector stores
💡embeddings
💡PG Vector
💡record manager
💡metadata
💡cleanup
💡incremental
💡full
💡Docker
💡SQL
Highlights
Introduction to the link chain indexing API, a significant update for real-world applications.
Current workflow with Vector stores involves creating embeddings and storing documents, which can be costly if raw data frequently updates.
The indexing API allows tracking of documents and updating only changed documents, avoiding recreating the index or having outdated vectors.
Demonstration of using code to work with the indexing API, including setting up a Vector store and using Docker and a Postgres database.
Using Docker Compose to create and host the Vector store, with the postgres database file detailing the setup and installation of the PG Vector extension.
Explanation of the SQL record manager, which is essential for creating embeddings and storing documents in the Vector store, and its compatibility with PG Vector.
Process of creating a new Vector store collection by setting up a connection string and collection name, and the importance of the 'docs' parameter.
Loading and processing a text file (bellavista.txt) into multiple documents using the text loader and character text splitter.
Utilization of the document class with its 'page content' property and 'metadata' attribute, which is crucial for linking documents to their embeddings in the Vector store.
Explanation of the 'index' function, its parameters, and the 'clean' setup option, which determines how the API handles existing and new documents.
Demonstration of adding documents to the Vector store, noting that re-running the process does not add new documents if they already exist, thus saving resources.
Discussion on the 'cleanup' method, including 'none', 'incremental', and 'full' options, and their impact on document and vector management in the Vector store.
Example of updating and deleting documents and how the indexing API reflects these changes in the Vector store, ensuring the store remains up-to-date.
The 'full' cleanup method's role in treating the document list as the entire universe of documents, suitable for small datasets but not for larger ones.
Use of the 'cleanup' method with an empty list to delete all documents from the Vector store, a potential strategy for resetting the store.
The indexing API's importance for creating larger scale applications and its impact on the efficiency and cost-effectiveness of managing Vector stores.
Conclusion and appreciation for the audience, emphasizing the value of the new update and its significance for link chain applications.
Transcripts
hi everybody today I want to introduce
you to the link chain indexing API this
update is quite huge and very important
for real-world applications to
understand the benefits we have to take
a look at the current workflow with
Vector stores you have your documents
create your embeddings and store
everything in the vector store if the
raw data gets updated you dump the index
and create new embeddings if you've got
a lot of documents or frequently have to
update your documents for example if you
index data from a News website this may
get quite expensive the indexing API
lets you keep track of the documents and
only update the change documents without
dropping or recreating an index or if
you wouldn't drop the index having
outdated vectors in your store let's now
have a look at how this works with code
and as always you can follow along by
cloning the repository link is in the
description okay as you can see I'm in
vs code and this is the repository we've
got multiple files here the docker
compose yaml is responsible for creating
and hosting our Vector store we use the
postgres database here is the docker
file we inherit from postgres and
installed some packages here we download
the PG Vector extension and then create
the extension in that init SQL script so
we create the extension Vector here so
that's then the vector store and in the
code iPad notebook we've got the code to
work with the indexing API okay to make
that work we first have to run Docker
minus compose up
and then the vector store will be
downloaded and created and now we can
create our Vector store collection so we
set up our
connection string we set up the
collection name and then we create the
vector store here we pass in as docs
just an empty list because we won't
store any documents with this PG Vector
from documents method but we will use
the record manager to do so so we run
that
and then we've got our new Vector store
so okay let's first create some
documents and I will load this
bellavista.txt this is just a little q a
for a fictional restaurant here we can
see the question and the answers and we
will load that with the text loader and
then split it into multiple documents
with the character text splitter so if
we run this we can see we create our
chunks and we want to store that chunks
as embeddings in our store you can see
we've got seven documents so first we
have to import the SQL record manager
this is currently the only record
manager so we have to use a SQL database
for creating our record manager which
keeps track of the documents so this
works very well in combination with PG
Vector because you don't have to create
multiple databases okay now we have to
set up the record manager and we have to
pass in a namespace argument this is
just a string and we pass in here the
collection name from the vector database
and very important here we have to pass
in a connection string so since this is
PG Vector we can use the same connection
string as for the vector store so
nothing new will be created here
let's run this
of course we first have to import it
no let's run it
okay now we can run the create schema
method and this will set up our table
okay
so let's load the data here again
and we'll just take a look at it as you
can see we've got seven chunks again and
this makes use of the document class the
document class has got a page content
property and also we have to scroll a
little bit here
has got this meta data attribute so in
the metadata attribute we've got a
dictionary and in the dictionary we can
set up keys so link chain will
automatically set up this Source key and
we have to reference that Source key
in the index function so we pass the
docs to the index function we pass the
record manager and the vector store
setup is currently set to clean I will
explain in a few seconds what this means
and also we set this Source ID key so
there's a source because in the metadata
we have got this Source key so this will
be hashed now and now keep track of
changes in the documents so if you run
this here we can see that we added seven
documents to the vector store if we run
it again we can see that now we have
zero documents added this because in the
first run we created the documents once
and in the second run it identified that
the documents are already present in the
vector store so it didn't create new
embeddings and we saved some money here
okay now we've got this cleanup set to
none but what does this actually do I
will show you in the example I provide
you here and we create a new document so
first we update the first document we
will delete the document and we will
also append a new document
so now we've got an updated documents
list and if we run it again also with
cleanup none then we can see the
following we can see that five documents
were skipped and two documents were
added so despite we deleted the raw
documents they did not get deleted in
the vector store so this is now a little
bit out of sync but this can be
intentional if you want to keep track of
your old vectors but I think it's better
to use the cleanup incremental method
here so if you run that again we already
added these documents here so we can
just
see that we will delete this so we will
delete two documents and this is because
this was updated so we delete the old
vector and this was completely deleted
from the documents so this gets also
deleted from the vector store so every
time we update or delete the document
the vector will be deleted as well for
the cleanup method there is another
argument we can set and this is full so
the difference between incremental and
fullest that full expects this list of
documents to be the whole universe of
documents you want to store in your
vector database this can be comfortable
if you've got a small number of
documents but it's not very helpful if
you've got a large number of documents
because you don't want to store all of
your documents in memory so if you've
got large number of documents use
incremental if you've got small and
often changing documents then use full
if you want to clean up I will show you
what this does when you provide an empty
list so this will actually
delete every document in the vector
store so now we've got an empty Vector
store so this can be a little bit of
hack to actually drop all of your
vectors from the vector store so that's
it for the video I think that new update
the indexing API is a quite important
update for link chain especially if you
want to create larger scale applications
okay thank you very much for watching
please like the video and subscribe to
my channel see you bye bye
Ver Más Videos Relacionados
![](https://i.ytimg.com/vi/zScnUS27H_Q/hq720.jpg)
【全員必見】インスタのアルゴリズム変更でより深刻なTikTok化!?今後ショート動画はどうなる?
![](https://i.ytimg.com/vi/gUavAfsTsXE/hq720.jpg?sqp=-oaymwEmCIAKENAF8quKqQMa8AEB-AH-CYAC0AWKAgwIABABGE0gWShlMA8=&rs=AOn4CLAhkVz7A5Y7bFNZmKT0MZKH9L-wPg)
20240403-No Cord Morning-creative.xyz
![](https://i.ytimg.com/vi/FBSwZygO5U0/hq720.jpg)
How to Create a Private App in HubSpot and Connect to the HubSpot API with Power Automate
![](https://i.ytimg.com/vi/rnwHosrgJDE/hq720.jpg)
Understanding service quotas for Amazon DynamoDB - Amazon DynamoDB Nuggets | Amazon Web Services
![](https://i.ytimg.com/vi/QIIc5EYSZpw/hq720.jpg)
Learn NEXT.JS 14 🔥 Build a Static Markdown Blog Site
![](https://i.ytimg.com/vi/4EjKroJCpFA/hq720.jpg)
What is MongoDB ?
5.0 / 5 (0 votes)