LangChain中的向量数据库接口－Weaviate

---

前言

  Weaviate是一个开源的向量数据库，支持存储来自各类机器学习模型的数据对象和向量嵌入，并能无缝扩展至数十亿数据对象。它提供存储文档嵌入、内容和元数据的工具，以及搜索这些嵌入（包括元数据过滤）的功能。
  LangChain在其langchain_weaviate.vectorstores包中实现了个WeaviateVectorStore类，用来操作Weaviate向量数据库。虽然在langchain_community.vectorstores中也能看到Weaviate类的定义，但那已经被弃用了。

一、原型定义

  上图可知，WeaviateVectorStore类派生至VectorStore类（LangChain中的向量数据库抽象基类－VectorStore），实现了其中的add_texts、from_texts和similarity_search三个方法。

二、代码解析

  查看WeaviateVectorStore类的代码：

1、add_texts方法

  add_texts覆盖了父类中的同名方法，将参数中的文本数据通过嵌入模型向量化后，包装参数一起保存到了Weaviate数据库中。

add_texts(
	self,
	texts: Iterable[str],
	metadatas: Optional[List[dict]] = None,
	tenant: Optional[str] = None,
	**kwargs: Any,
) -<