LangChainGo и MongoDB: создание RAG-приложений на Go

МЕНЮ


Главная страница
Поиск
Регистрация на сайте
Помощь проекту
Архив новостей

ТЕМЫ


Новости ИИРазработка ИИВнедрение ИИРабота разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика

Авторизация



RSS


RSS новости


Основная идея

MongoDB интегрировалась с LangChainGo — портом популярного фреймворка LangChain для языка Go. Это позволяет разработчикам на Go создавать приложения с поддержкой больших языковых моделей (LLM), используя возможности MongoDB для векторного поиска и хранения данных.

Что такое LangChainGo?

• LangChainGo — это сообщественно-разрабатываемый порт фреймворка LangChain для языка Go.

• Позволяет интегрировать LLM в Go-приложения, используя такие сервисы, как OpenAI, Ollama, Mistral и другие.

• Поддерживает различные хранилища векторов, включая MongoDB.

Роль MongoDB как операционной и векторной базы данных

• MongoDB Atlas предоставляет встроенные возможности векторного поиска, упрощая разработку AI-приложений.

• Объединяет семантический поиск с фильтрами по метаданным, графовыми запросами, агрегациями и геопространственным поиском.

• Распределённая архитектура обеспечивает масштабируемость и изоляцию нагрузок.

• Обеспечивает корпоративный уровень безопасности и доступности.

MongoDB, Go и AI/ML

• Go становится всё более популярным в AI/ML благодаря своей простоте, масштабируемости и безопасности во время выполнения.

• Интеграция MongoDB с LangChainGo позволяет разработчикам на Go создавать приложения с поддержкой RAG (Retrieval-Augmented Generation) и AI-агентов.

• MongoDB Go Driver поддерживает векторный поиск и упрощает взаимодействие с MongoDB из Go-приложений.

Начало работы с MongoDB и LangChainGo

• MongoDB добавлена как хранилище векторов в версии LangChainGo v0.1.13 под названием `mongovector`.

• Пример использования: [mongovector-vectorstore-example](https://github.com/tmc/langchaingo/tree/main/examples/mongovector-vectorstore-example).

• Полезные руководства:

- [Начало работы с интеграцией LangChainGo](https://www.mongodb.com/docs/atlas/atlas-vector-search/langchain-go/)

- [RAG с Atlas Vector Search](https://www.mongodb.com/docs/atlas/atlas-vector-search/langchain-go/)

- [Локальная реализация RAG с Atlas Vector Search](https://www.mongodb.com/docs/atlas/atlas-vector-search/langchain-go/)

- [Начало работы с Atlas Vector Search (Go)](https://www.mongodb.com/docs/atlas/atlas-vector-search/)

Эта интеграция открывает новые возможности для разработчиков на Go, позволяя эффективно использовать MongoDB для создания современных AI-приложений.

Источник (https://www.mongodb.com/blog/post/langchaingo-mongodb-powering-rag-applications-in-go)


Источник: www.mongodb.com

Комментарии: