跳到主要内容

Oracle

Oracle Embedding Storeは、Oracle Databaseの AI Vector Search機能と統合します。

Maven依存関係​

<dependency>
    <groupId>dev.langchain4j</groupId>
    <artifactId>langchain4j-oracle</artifactId>
    <version>1.18.1-beta28</version>

</dependency>

API​

  • OracleEmbeddingStore
  • OracleChatMemoryStore

例​

使い方​

このストアのインスタンスは、ビルダーを構成して作成できます。ビルダーには DataSourceと埋め込みテーブルの提供が必要です。2つのベクトル間の距離は、 2つのベクトル間の角度の余弦を測定する コサイン類似度を使用して計算されます。

Universal Connection PoolやHikariなど、接続をプールする DataSourceを構成することを推奨します。接続プールは、新しいデータベース接続を 繰り返し作成するレイテンシを回避します。

データベースに既に埋め込みテーブルが存在する場合は、テーブル名を指定します。

EmbeddingStore embeddingStore = OracleEmbeddingStore.builder()
   .dataSource(myDataSource)
   .embeddingTable("my_embedding_table")
   .build();

テーブルがまだ存在しない場合は、CreateOptionをビルダーに渡して 作成できます。

EmbeddingStore embeddingStore = OracleEmbeddingStore.builder()
   .dataSource(myDataSource)
   .embeddingTable("my_embedding_table", CreateOption.CREATE_IF_NOT_EXISTS)
   .build();

デフォルトでは、埋め込みテーブルは次の列を持ちます：

NameTypeDescription
idVARCHAR(36)Primary key. Used to store UUID strings which are generated when the embedding store
embeddingVECTOR(*, FLOAT32)Stores the embedding
textCLOBStores the text segment
metadataJSONStores the metadata

既存のテーブルの列が事前定義された列名と一致しない場合、 または異なる列名を使用したい場合は、EmbeddingTable ビルダーを使用して埋め込みテーブルを構成できます。

OracleEmbeddingStore embeddingStore =
OracleEmbeddingStore.builder()
    .dataSource(myDataSource)
    .embeddingTable(EmbeddingTable.builder()
            .createOption(CREATE_OR_REPLACE) // use NONE if the table already exists
            .name("my_embedding_table")
            .idColumn("id_column_name")
            .embeddingColumn("embedding_column_name")
            .textColumn("text_column_name")
            .metadataColumn("metadata_column_name")
            .build())
    .build();

ビルダーでは、Indexクラスのインスタンスを提供することで、EmbeddingTableの 埋め込み列とメタデータ列にインデックスを作成できます。Indexクラスのインスタンスを 作成するためのビルダーは2つあります：IVFIndexBuilderとJSONIndexBuilderです。

IVFIndexBuilderを使用すると、EmbeddingTableの埋め込み列に **IVF（Inverted File Flat）**インデックスを構成できます。

OracleEmbeddingStore embeddingStore =
    OracleEmbeddingStore.builder()
        .dataSource(myDataSource)
        .embeddingTable(EmbeddingTable.builder()
            .createOption(CreateOption.CREATE_OR_REPLACE) // use NONE if the table already exists
            .name("my_embedding_table")
            .idColumn("id_column_name")
            .embeddingColumn("embedding_column_name")
            .textColumn("text_column_name")
            .metadataColumn("metadata_column_name")
            .build())
        .index(Index.ivfIndexBuilder().createOption(CreateOption.CREATE_OR_REPLACE).build())
        .build();

JSONIndexBuilderを使用すると、EmbeddingTableのメタデータ列のキーに 関数ベースのインデックスを構成できます。

OracleEmbeddingStore.builder()
    .dataSource(myDataSource)
    .embeddingTable(EmbeddingTable.builder()
        .createOption(CreateOption.CREATE_OR_REPLACE) // use NONE if the table already exists
        .name("my_embedding_table")
        .idColumn("id_column_name")
        .embeddingColumn("embedding_column_name")
        .textColumn("text_column_name")
        .metadataColumn("metadata_column_name")
        .build())
    .index(Index.jsonIndexBuilder()
        .createOption(CreateOption.CREATE_OR_REPLACE)
        .key("name", String.class, JSONIndexBuilder.Order.ASC)
        .key("year", Integer.class, JSONIndexBuilder.Order.DESC)
        .build())
    .build();

Oracle AI Vector Searchの詳細については、ドキュメントを参照してください。

チャットメモリ​

OracleChatMemoryStoreを使用すると、Oracle Databaseにチャットメモリを永続化できます。

テーブルを作成します：

CREATE TABLE chat_memory (
    memory_id VARCHAR2(255) PRIMARY KEY,
    content CLOB NOT NULL
);

チャットメモリで使用します：

ChatMemoryStore store = OracleChatMemoryStore.builder()
   .dataSource(myDataSource)
   .tableName("chat_memory")
   .build();

ChatMemory chatMemory = MessageWindowChatMemory.builder()
   .id("conversation-1")
   .maxMessages(10)
   .chatMemoryStore(store)
   .build();

OracleChatMemoryStoreはメモリIDごとに1行を格納し、すべてのメッセージはcontent列にJSONとしてシリアライズされます。