Skip to main content
百度 VectorDB 是由百度智能云精心研发、全面托管的强大企业级分布式数据库服务。它以出色的多维向量数据存储、检索和分析能力而著称。其核心是百度自主研发的”Mochow”向量数据库内核，确保高性能、高可用性和安全性，同时具备卓越的可扩展性和易用性。
该数据库服务支持多种索引类型和相似度计算方法，适用于各种使用场景。VectorDB 的一大亮点是能够管理高达 100 亿的海量向量规模，同时保持出色的查询性能，支持每秒百万次查询（QPS）且查询延迟达到毫秒级。
您需要通过 pip install -qU langchain-community 安装 langchain-community 才能使用此集成。 本笔记本展示如何使用与百度 VectorDB 相关的功能。 要运行本笔记本，您应该有一个数据库实例。 
!pip3 install pymochow

from langchain_community.document_loaders import TextLoader
from langchain_community.embeddings.fake import FakeEmbeddings
from langchain_community.vectorstores import BaiduVectorDB
from langchain_community.vectorstores.baiduvectordb import ConnectionParams
from langchain_text_splitters import CharacterTextSplitter

loader = TextLoader("../../how_to/state_of_the_union.txt")
documents = loader.load()
text_splitter = CharacterTextSplitter(chunk_size=1000, chunk_overlap=0)
docs = text_splitter.split_documents(documents)
embeddings = FakeEmbeddings(size=128)

conn_params = ConnectionParams(
    endpoint="http://192.168.xx.xx:xxxx", account="root", api_key="****"
)

vector_db = BaiduVectorDB.from_documents(
    docs, embeddings, connection_params=conn_params, drop_old=True
)

query = "What did the president say about Ketanji Brown Jackson"
docs = vector_db.similarity_search(query)
docs[0].page_content

vector_db = BaiduVectorDB(embeddings, conn_params)
vector_db.add_texts(["Ankush went to Princeton"])
query = "Where did Ankush go to college?"
docs = vector_db.max_marginal_relevance_search(query)
docs[0].page_content
在 GitHub 上编辑此页面 或提交问题。
通过 MCP 将这些文档连接到 Claude、VSCode 等，获取实时答案。