跳转至

向量存储 (VectorStore)

示例代码: examples/knowledge/vectorstores

向量存储是 Knowledge 系统的核心组件，负责存储和检索文档的向量表示。

支持的向量存储

trpc-agent-go 支持多种向量存储实现：

向量存储 说明
Memory 内存向量存储
PGVector PostgreSQL + pgvector 扩展
TcVector 腾讯云向量数据库
Elasticsearch 支持 v7/v8/v9 多版本
Qdrant 高性能向量数据库
Milvus 高性能向量数据库

搜索模式

向量存储支持四种搜索模式，系统会根据查询内容自动选择最合适的模式：

搜索模式 枚举值 说明 特殊要求
Vector SearchModeVector 语义相似度搜索，理解查询意图 需要 Embedder
Keyword SearchModeKeyword 关键词精确匹配，适合专业术语 PGVector 需启用 WithEnableTSVector(true)
Hybrid SearchModeHybrid 混合向量和关键词（推荐，默认） PGVector 需启用 WithEnableTSVector(true)
Filter SearchModeFilter 仅按元数据过滤，不计算相似度 -

示例: 

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
// 默认自动搜索
reqSearch := &knowledge.SearchRequest{
    Query: "Large language model applications",
    //History: nil,
    //UserID: "",
    //SessionID: "",
    //MaxResults: 0,
    //MinScore: 0,
    //SearchFilter: nil,
    //SearchMode: 0,
}
rspSearch, err := kb.Search(ctx, reqSearch)
if err != nil {
    log.Debugf("Failed to search knowledge base: %v", err)
    return
}
log.Infof("Search Result:[%+v]", rspSearch)
for i, r := range rspSearch.Documents {
    log.Infof("rspSearch.DOC_%d.score=%v,doc:[%+v]", i, r.Score, r.Document)
}

// 带过滤条件搜索
filter := knowledge.SearchFilter{
    //DocumentIDs: nil,
    //Metadata: nil,
    FilterCondition: searchfilter.And(
        searchfilter.Equal("category", "film"),
        searchfilter.Equal("country_code", "us"),
    ),
}
reqSearchWithFilter := &knowledge.SearchRequest{
    Query:        "排行第一的电影",
    SearchFilter: &filter,
}
rspSearchWithFilter, err := kb.Search(ctx, reqSearchWithFilter)
if err != nil {
    log.Debugf("Failed to search knowledge base: %v", err)
    return
}
log.Infof("Search Result:[%+v]", rspSearchWithFilter)
for i, r := range rspSearchWithFilter.Documents {
    log.Infof("rspSearchWithFilter.DOC_%d.score=%v,doc:[%+v]", i, r.Score, r.Document)
}

过滤器支持

所有向量存储都支持过滤器功能，包括 ID 过滤、元数据过滤和复杂条件过滤（FilterCondition）。

更多内容