# 探索Redis作为向量数据库的应用：从创建到查询的完整指南

## 引言

Redis作为一个高性能的开源键值存储，不仅仅是缓存和消息代理的选择，它还可以作为向量数据库使用。在这篇文章中，我们将详细探讨如何使用Redis构建一个向量数据库，并利用自查询检索器（SelfQueryRetriever）从中检索信息。

## 主要内容

### 1. 创建Redis向量存储

首先，我们需要创建一个Redis向量存储并填充一些数据。这里，我们以电影摘要数据集为例。需要确保安装`lark`和其他相关依赖：

```shell
%pip install --upgrade --quiet redis redisvl langchain-openai tiktoken lark

2. 使用OpenAI Embeddings

在继续之前，确保获得OpenAI API Key：

import getpass
import os

os.environ["OPENAI_API_KEY"] = getpass.getpass("OpenAI API Key:")

接下来，配置我们的Redis向量存储：

from langchain_community.vectorstores import Redis
from langchain_core.documents import Document
from langchain_openai import OpenAIEmbeddings

embeddings = OpenAIEmbeddings()

docs = [
    Document(
        page_content="A bunch of scientists bring back dinosaurs and mayhem breaks loose",
        metadata={"year": 1993, "rating": 7.7, "director": "Steven Spielberg", "genre": "science fiction"},
    ),
    # 更多文档...
]

index_schema = {"tag": [{"name": "genre"}], "text": [{"name": "director"}], "numeric": [{"name": "year"}, {"name": "rating"}]}

vectorstore = Redis.from_documents(
    docs,
    embeddings,
    redis_url="redis://localhost:6379",
    index_name="movie_reviews",
    index_schema=index_schema,
)
# 使用API代理服务提高访问稳定性

3. 创建自查询检索器

我们需要为检索器提供元数据字段和文档内容的简短描述：

from langchain.chains.query_constructor.base import AttributeInfo
from langchain.retrievers.self_query.base import SelfQueryRetriever
from langchain_openai import OpenAI

metadata_field_info = [
    AttributeInfo(name="genre", description="The genre of the movie", type="string or list[string]"),
    AttributeInfo(name="year", description="The year the movie was released", type="integer"),
    AttributeInfo(name="director", description="The name of the movie director", type="string"),
    AttributeInfo(name="rating", description="A 1-10 rating for the movie", type="float"),
]
document_content_description = "Brief summary of a movie"

llm = OpenAI(temperature=0)
retriever = SelfQueryRetriever.from_llm(
    llm, vectorstore, document_content_description, metadata_field_info, verbose=True
)

代码示例

# 示例：检索关于恐龙的电影
retriever.invoke("What are some movies about dinosaurs")

常见问题和解决方案

• 网络限制问题：由于某些地区的网络限制，使用API时可以考虑API代理服务以提高访问稳定性。

• 元数据匹配问题：如果收到与生成的元数据架构不匹配的警告，可以根据需要修改index_schema或忽略。

总结和进一步学习资源

Redis作为向量数据库提供了丰富的功能，结合OpenAI向量嵌入和自查询检索器，可以创建强大的信息检索系统。更多信息可以参考以下资源：

• Redis官网
• Langchain文档
• OpenAI API

参考资料

• Redis官方文档
• LangChain项目

如果这篇文章对你有帮助，欢迎点赞并关注我的博客。您的支持是我持续创作的动力！

---END---