curso-langchain/slides/pages/rag/11.md

layout

layout
default

MemoryVectorStore - Para desarrollo

MemoryVectorStore almacena embeddings en memoria (se pierden al cerrar)

import { MemoryVectorStore } from "@langchain/classic/vectorstores/memory";
import { OpenAIEmbeddings } from "@langchain/openai";

const vectorStore = await MemoryVectorStore.fromTexts(
  [
    "LangChain es un framework para aplicaciones con LLMs",
    "Los embeddings capturan el significado del texto",
    "RAG combina búsqueda con generación de texto",
  ],
  [{ id: 1 }, { id: 2 }, { id: 3 }], // metadata
  new OpenAIEmbeddings()
);

// Buscar documentos similares
const results = await vectorStore.similaritySearch(
  "¿Qué es RAG?",
  2 // número de resultados
);

console.log(results);