Skip to main content
viking DB 是一个数据库，用于存储、索引和管理由深度神经网络及其他机器学习（ML）模型生成的海量嵌入向量。
本 notebook 展示了如何使用与 VikingDB 向量数据库相关的功能。 使用本集成需要安装 langchain-community：pip install -qU langchain-community 要运行本 notebook，您需要启动并运行一个 viking DB 实例。 
!pip install -U volcengine
我们希望使用 VikingDBEmbeddings，因此需要获取 VikingDB API Key。 
import getpass
import os

if "OPENAI_API_KEY" not in os.environ:
    os.environ["OPENAI_API_KEY"] = getpass.getpass("OpenAI API Key:")

from langchain_community.document_loaders import TextLoader
from langchain_community.vectorstores.vikingdb import VikingDB, VikingDBConfig
from langchain_openai import OpenAIEmbeddings
from langchain_text_splitters import RecursiveCharacterTextSplitter

loader = TextLoader("./test.txt")
documents = loader.load()
text_splitter = RecursiveCharacterTextSplitter(chunk_size=10, chunk_overlap=0)
docs = text_splitter.split_documents(documents)

embeddings = OpenAIEmbeddings()

db = VikingDB.from_documents(
    docs,
    embeddings,
    connection_args=VikingDBConfig(
        host="host", region="region", ak="ak", sk="sk", scheme="http"
    ),
    drop_old=True,
)

query = "What did the president say about Ketanji Brown Jackson"
docs = db.similarity_search(query)

docs[0].page_content

​
使用 viking DB 集合对数据进行分类

您可以将不同的不相关文档存储在同一 viking DB 实例的不同集合中，以维护上下文 以下是创建新集合的方式 
db = VikingDB.from_documents(
    docs,
    embeddings,
    connection_args=VikingDBConfig(
        host="host", region="region", ak="ak", sk="sk", scheme="http"
    ),
    collection_name="collection_1",
    drop_old=True,
)
以下是检索已存储集合的方式 
db = VikingDB.from_documents(
    embeddings,
    connection_args=VikingDBConfig(
        host="host", region="region", ak="ak", sk="sk", scheme="http"
    ),
    collection_name="collection_1",
)
检索后可以像往常一样继续查询。
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。