这是一个用于管理和操作向量数据的 Node.js 包,特别适用于在 PostgreSQL 数据库中存储和检索向量数据。本包提供了强大的功能,以支持向量数据的添加、更新和查询,适用于需要处理大量向量数据的应用。
- 24.05.04 添加ollama部署的向量模型支持
- 简单易用的 API。
- 支持 PostgreSQL 数据库。
- 提供向量数据的存储、更新和查询功能。
您可以通过 npm 来安装这个包:
npm install @re-ai/vector
以下是如何在您的项目中使用这个包的基本示例:
首先,确保您的环境已正确配置 PostgreSQL 数据库连接。
import { VectorModel, VectorService } from '@re-ai/vector';
// 初始化服务
const vectorService = new VectorService('your_vector_table');
// 添加向量数据
vectorService.addTextWithEmbedding('示例文本').then(() => {
console.log('文本和对应的向量已添加到数据库。');
});
// 查询最近的向量数据
vectorService.findNearestByText('查询文本', 5).then(results => {
console.log('查询到的最近的向量数据:', results);
});
-
addTextWithEmbedding(text: string): Promise<{id: number}> 添加文本及其对应的向量到数据库。
-
updateTextWithEmbedding(id: number, newText: string): Promise<{id: number}> 更新文本及对应的向量
-
findNearestByText(queryText: string, limit: number): Promise<VectorModel[]> 查找与给定文本向量最接近的向量数据。
-
delete(id: number): Promise 删除文本及对应的向量
请在环境变量中配置以下信息,以便包能正确连接到 PostgreSQL 数据库:
-
POSTGRES_HOST
- 数据库的主机地址(*必填)。 -
POSTGRES_USER
- 数据库用户名(默认:reai_user)。 -
POSTGRES_PASSWORD
- 数据库密码(默认:reai_password)。 -
POSTGRES_DB
- 数据库名称(默认:reai_db)。 -
POSTGRES_PORT
- 数据库端口(默认: 5432)。
添加embedding接口参数
-
EMBEDDING_API_URL
- embedding接口地址(示例: http://192.168.31.218:4080/v1/embeddings)。 -
EMBEDDING_API_KEY
- embedding接口key (示例: sk-xxxxxx)。