Azure OpenAI 入门教程 - LangChain 篇 ：实战 - 构建企业内部知识库问答机器人 - 持久化向量存储
在上一篇中，我们实现了一个基础的企业内部知识库问答机器人。其中用到了 LangChain的文档加载器，文本切割器，向量存储，问答链。
但按照当时的写法，向量化后的信息是临时存入到 Chroma 的，这个时候你每次都需要进行一次 Embeddings ，这样写个 demo 还行，但肯定没法作为生产项目。
所以今天我们就先来解决这个问题，一起看下向量化后的数据如何进行持久化保存。
向量数据库
要想持久化保存就必须借用向量数据库，目前市面上最常用的向量数据库是 Chroma 和 Pinecone。
Chroma
Chroma是我们上一期用到的，它是一个本地向量数据库，虽然我们上期将向量化后的结果临时存到内存当中了，但实际上我们是可以利用 Chroma 将向量化后的信息存储到本地的一个目录中，从而实现持久化保存的。
要想本地存储，我们需要在存储时设置 persist_directory ，来指定存储的目录。
并通过调用 .persist 方法来实现存储。
等我们需要加载本地目录中的向量数据时，需要再次调用 Chroma ，传递参数 persist_directory 来指定从哪个本地目录进行读取，并通过 embedding_function 来指定向量化的方法。
Pinecone
Pinecone 是一个云端的向量数据库，可以高性能存储和查询向量信息，并支持多种相似度匹配算法来满足不同场景需求。也支持动态添加和删除向量，批量导入导出向量。
可以免费使用，但免费版本的索引如果超过7天没被使用会被自动删除。
要想使用 Pinecone ，我们需要先前往官网 http:// app.pinecone.io 进行注册
账户登录成功后，就可以去创建向量数据库，这一步也是在云端操作的。
Index Name：索引的名字，我们按照需求场景写一个就行
Dimensions：指向量维度，如果你使用的是 OpenAI 进行 Embedding ，那么这里要填写 OpenAI Embeddings 的 Output Dimensions 为1536. 这里的1536 表示向量是由 1536个浮点数组成的列表
Metric：是指用于计算向量之间距离的度量方式，这里设置为cosine，表示用余弦相似度来计算2个向量之间的距离。
Pod Type：是用来配置存储容量和吞吐量的。
在云端创建好 Pinecone 数据库后，我们就可以回到代码的部分。
先安装 Pinecone
然后导入 Pinecone
初始化时，需要拿到 api key 和 envionrment。在Pinecone 界面可以直接查看。
这里需要通过 Pinecone.from_texts 将文本进行向量化存储，需要指定文本，Embeddings 和 index_name。
执行完上一步操作，就已经将向量化后的结果持久化存储到云端的 Pinecone 了，后面我们想要加载数据的时候，需要调用Pinecone.from_existing_index 从指定的 index_name 中拿到向量化的信息。
拿到信息以后，你可以用 Pinecone 提供的向量搜索 similarity_search 进行向量搜索，也可以用原本的向量搜索方式，再使用 Langchain 的load_qa_chain 进行问答。
总结
今天主要介绍的是持久化向量存储的方式，在我们实现企业内部知识库的时候，必然会用到持久化向量存储。
这时候就需要选择合适的向量数据库，调用对应的向量存储代码，就能实现持久化向量存储。
并且一些云端的向量数据库，都专门针对向量搜索进行过优化，可以帮助我们以更高效稳定的方式进行向量搜索。
END
我是李祺，微软 Power Platform 方向 MVP ，2014 年进入开发领域，了解微软云全系产品。2020 年以来专注在 Power Platform 领域，曾为微软和多家客户提供售前、培训和实施服务，2023年进入 Azure OpenAI 相关领域。为普及产品知识，帮助国内用户快速上手。从 2021 年开始创建个人公众号和知乎【李祺 Varman】，目前已提供 200+ Power Platform 中文学习资料，并在持续更新 ChatGPT 和 Azure OpenAI 相关内容，欢迎大家进入公众号菜单【问答社区】进行问题咨询。
