Векторные базы данных (БД), в отличие от классических БД, хранят векторное представление элемента (предпосчитанный эмбединг) для каждого элемента, по которому в дальнейшем можно осуществлять поиск.

GigaChain поддерживает различные векторные БД, например Chroma, Faiss или Pinecode. В этом уроке мы рассмотрим работу с современной и бесплатной Chroma.

Векторную БД можно инициализировать как из стандартных строк, так и из «документов» — специальной сущности GigaChain, которая включает в себя контент и атрибуты.

Для удобства в GigaChain также реализованы Document Loaders, которые инициализируют базу из файлов различных форматов: JSON, PDF, HTML и других. У каждого Document Loader есть специфичные аргументы по типу данных — об этом читайте подробнее в документации LangChain.
Приведём пример использования JSONLoader. Достаточно указать путь до файла и его структуру:

Как видно в примере, каждый элемент объекта Document содержит поле page_content, которое хранит контент документа, и поле metadata, которое включает в себя словарь атрибутов документа.

Теперь попробуем инициализировать базу Chroma:

• импортируем необходимые модули;
• инициализируем loader для загрузки исходного текста;
• делим текст на отдельные элементы-документы с помощью CharacterTextSplitter — для которых дальше мы реализуем поиск;
• определяем эмбединг-функцию — чтобы получить эмбединг каждого документа и текста запроса при поиске;
• инициализируем базу Chroma с нашим наборов подтекстов и эмбединг-функцией.

Готово. В следующей части выполним поиск по документам.