Redis

该页面介绍如何在 LangChain 中使用 Redis 生态系统。教程分为两个部分：安装和设置，以及指向特定 Redis 包装器的参考。

安装和设置

使用 pip install redis 命令安装 Redis Python SDK。

包装器

Cache

Cache 包装器允许 Redis (opens in a new tab) 用作远程、低延迟、内存中的 LLM 提示和响应缓存。

标准缓存

标准缓存是 Redis 的实际使用案例，全球生产中的开源 (opens in a new tab) 和企业 (opens in a new tab) 用户都在使用它。

导入缓存：

from langchain.cache import RedisCache

使用 LLM 时使用此缓存：

import langchain
import redis
 
redis_client = redis.Redis.from_url(...)
langchain.llm_cache = RedisCache(redis_client)

语义缓存

语义缓存允许用户基于用户输入和先前缓存的结果之间的语义相似性检索缓存提示。在内部，它将 Redis 混合为缓存和向量存储库。

导入缓存：

from langchain.cache import RedisSemanticCache

使用 LLM 时使用此缓存：

import langchain
import redis
 
# use any embedding provider...
from tests.integration_tests.vectorstores.fake_embeddings import FakeEmbeddings
 
redis_url = "redis://localhost:6379"
 
langchain.llm_cache = RedisSemanticCache(
    embedding=FakeEmbeddings(),
    redis_url=redis_url
)

向量存储库 VectorStore

向量存储库包装器将 Redis 转换为用于语义搜索或 LLM 内容检索的低延迟向量数据库 (opens in a new tab)。

导入向量存储库：

from langchain.vectorstores import Redis

对于 Redis vectorstore 包装器的更详细步骤，请参见此教程。

检索器

Redis 向量存储器检索器包装器将向量存储器类泛化为执行低延迟文档检索的功能。要创建检索器，只需在基本向量存储器类上调用 .as_retriever()。

内存

Redis 可用于持久化 LLM 会话。

向量存储器检索器内存

有关 VectorStoreRetrieverMemory 包装器的更详细步骤，请参见此教程。

聊天消息历史记录内存

有关将 Redis 用于缓存对话消息历史记录的详细示例，请参见此教程。

Qdrant Runhouse