Cloudflare vectorize 集成

使用 LangChain JavaScript 集成 Cloudflare Vectorize 向量存储。

如果你在 Cloudflare Worker 中部署你的项目，可以使用 Cloudflare Vectorize 与 LangChain.js。 这是一个直接集成在 Cloudflare 中的强大且便捷的选项。

设置

兼容性

Cloudflare Vectorize 目前处于公开测试阶段，使用它需要 Cloudflare 账户的付费计划。

在 设置你的项目 之后， 通过运行以下 Wrangler 命令创建索引：

$ npx wrangler vectorize create <index_name> --preset @cf/baai/bge-small-en-v1.5

你可以在 官方文档 中查看 vectorize 命令的完整选项列表。

然后，你需要更新你的 wrangler.toml 文件以包含 [[vectorize]] 的条目：

[[vectorize]]
binding = "VECTORIZE_INDEX"
index_name = "<index_name>"

最后，你需要安装 LangChain Cloudflare 集成包：

请参考 安装 LangChain 包的一般说明。

npm

npm install @langchain/cloudflare @langchain/core

使用

下面是一个示例 Worker，它根据使用的路径将文档添加到向量存储、查询或清除。它还使用了 Cloudflare Workers AI 嵌入。

如果本地运行，请确保以 npx wrangler dev --remote 身份运行 wrangler！

name = "langchain-test"
main = "worker.ts"
compatibility_date = "2024-01-10"

[[vectorize]]
binding = "VECTORIZE_INDEX"
index_name = "langchain-test"

[ai]
binding = "AI"

// @ts-nocheck

import type {
  VectorizeIndex,
  Fetcher,
  Request,
} from "@cloudflare/workers-types";

import {
  CloudflareVectorizeStore,
  CloudflareWorkersAIEmbeddings,
} from "@langchain/cloudflare";

export interface Env {
  VECTORIZE_INDEX: VectorizeIndex;
  AI: Fetcher;
}

export default {
  async fetch(request: Request, env: Env) {
    const { pathname } = new URL(request.url);
    const embeddings = new CloudflareWorkersAIEmbeddings({
      binding: env.AI,
      model: "@cf/baai/bge-small-en-v1.5",
    });
    const store = new CloudflareVectorizeStore(embeddings, {
      index: env.VECTORIZE_INDEX,
    });
    if (pathname === "/") {
      const results = await store.similaritySearch("hello", 5);
      return Response.json(results);
    } else if (pathname === "/load") {
      // Upsertion by id is supported
      await store.addDocuments(
        [
          {
            pageContent: "hello",
            metadata: {},
          },
          {
            pageContent: "world",
            metadata: {},
          },
          {
            pageContent: "hi",
            metadata: {},
          },
        ],
        { ids: ["id1", "id2", "id3"] }
      );

      return Response.json({ success: true });
    } else if (pathname === "/clear") {
      await store.delete({ ids: ["id1", "id2", "id3"] });
      return Response.json({ success: true });
    }

    return Response.json({ error: "Not Found" }, { status: 404 });
  },
};

你也可以传递一个 filter 参数来按先前加载的元数据过滤。 请参考 官方文档 了解所需的格式信息。

相关

• 向量存储 概念指南
• 向量存储 操作指南

---

官方原文：src/oss/javascript/integrations/vectorstores/cloudflare_vectorize.mdx · 非官方翻译，译文由 AI 生成，以英文原文为准。