Oracle

Oracle Embedding Store 与 Oracle Database 的 AI Vector Search 功能集成。

Maven 依赖

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

</dependency>

API

• OracleEmbeddingStore
• OracleChatMemoryStore

示例

• OracleEmbeddingStoreExample

用法

可通过配置构建器创建该存储的实例。构建器 要求提供 DataSource 和嵌入表。两个向量之间的距离 使用余弦相似度计算， 它测量两个向量夹角的余弦值。

建议配置可池化连接的 DataSource，例如 Universal Connection Pool 或 Hikari。连接池可避免 反复创建新数据库连接带来的延迟。

如果数据库中已存在嵌入表，请提供表名。

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

如果表尚不存在，可通过向构建器传入 CreateOption 来创建。

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

默认情况下，嵌入表将具有以下列：

Name	Type	Description
id	VARCHAR(36)	Primary key. Used to store UUID strings which are generated when the embedding store
embedding	VECTOR(*, FLOAT32)	Stores the embedding
text	CLOB	Stores the text segment
metadata	JSON	Stores the metadata

如果现有表的列与预定义列名不匹配， 或者你希望使用不同的列名，可以使用 EmbeddingTable 构建器来配置嵌入表。

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();

构建器允许你通过提供 Index 类的实例，在 EmbeddingTable 的 嵌入列和元数据列上创建索引。有两个构建器可用于 创建 Index 类的实例：IVFIndexBuilder 和 JSONIndexBuilder。

IVFIndexBuilder 允许你在 EmbeddingTable 的嵌入列上配置 IVF（Inverted File Flat） 索引。

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 允许你在 EmbeddingTable 元数据列的键上配置 基于函数的索引。

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();

有关 Oracle AI Vector Search 的更多信息，请参阅文档。

聊天记忆

OracleChatMemoryStore 可用于在 Oracle Database 中持久化聊天记忆。

创建表：

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

在聊天记忆中使用：

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

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

OracleChatMemoryStore 按 memory id 存储一行，所有消息以 JSON 形式序列化在 content 列中。