LangChain4j 中 Azure CosmosDB Mongo vCore 嵌入存储的 API 升级解析

在 LangChain4j 项目的最新开发中，AzureCosmosDbMongoVCoreEmbeddingStore 类迎来了一项重要的 API 升级。这项升级的核心是将原有的 findRelevant(...) 方法迁移到新的 search(EmbeddingSearchRequest request) API 接口上。这一变化不仅是为了遵循更好的设计模式，也是为了在项目正式发布 1.0 版本前统一接口标准。

背景与动机

在早期的 LangChain4j 版本中，AzureCosmosDbMongoVCoreEmbeddingStore 类通过 findRelevant(...) 方法来实现向量相似性搜索功能。然而，随着项目的发展，为了提供更灵活、更强大的搜索能力，开发团队决定引入一个新的 EmbeddingSearchRequest 请求对象。这个对象封装了搜索所需的所有参数，包括查询向量、返回结果的数量、相似度阈值等，使得 API 更加模块化和可扩展。

技术实现细节

新的 search 方法接受一个 EmbeddingSearchRequest 参数，该参数包含了以下关键信息：

• 查询向量（Query Embedding）：用于在向量空间中进行相似性搜索的基础向量。
• 最大结果数（Max Results）：限制返回的相似项数量。
• 最小相似度（Min Score）：过滤低于指定相似度阈值的结果。

在底层实现上，AzureCosmosDbMongoVCoreEmbeddingStore 会将这些参数转换为 MongoDB 的查询语句，利用 CosmosDB 的向量索引功能高效执行搜索。这种设计不仅提升了代码的可读性，还为未来可能的扩展（如分页、排序等）预留了空间。

迁移与兼容性

为了确保平滑过渡，原有的 findRelevant(...) 方法目前被标记为 @Deprecated，但依然保留功能。开发者可以逐步将代码迁移到新的 search API 上。需要注意的是，这些旧方法将在 LangChain4j 1.0 版本发布前被彻底移除，因此建议开发者尽早适配新接口。

对开发者的影响

对于正在使用 AzureCosmosDbMongoVCoreEmbeddingStore 的开发者来说，这一变更意味着：

1. 代码更新：需要将现有的 findRelevant 调用替换为 search 方法，并构造相应的 EmbeddingSearchRequest 对象。
2. 功能增强：新 API 提供了更丰富的搜索控制选项，开发者可以更精细地调整搜索行为。
3. 未来兼容性：适配新 API 可以确保代码在未来的 LangChain4j 版本中继续正常工作。

总结

此次 API 升级是 LangChain4j 项目持续优化的一部分，旨在提供更强大、更一致的开发者体验。通过采用新的 search 方法，AzureCosmosDbMongoVCoreEmbeddingStore 不仅跟上了项目整体的设计方向，还为开发者提供了更现代化的向量搜索接口。对于任何使用 CosmosDB Mongo vCore 作为向量存储的 LangChain4j 用户来说，及时迁移到新 API 是确保长期兼容性和功能完整性的关键步骤。