了解在Java的LangChain4j中如何集成PostgreSQL的pgvector扩展作为向量存储，这是LangChain4j面试中考察向量数据库落地能力的核心问题，既需要掌握pgvector的环境准备，也需要理解LangChain4j与pgvector的适配逻辑和最佳实践。
一、核心前置条件（环境准备）
集成pgvector前需完成基础环境搭建，这是后续代码集成的前提：
sudo apt install postgresql-15-pgvector
# CentOS/RHEL
sudo yum install postgresql15-pgvector
# 或源码编译（通用）
git clone https://github.com/pgvector/pgvector.git
cd pgvector
make && make install
\\c your_database;
— 创建扩展
CREATE EXTENSION IF NOT EXISTS vector;
<!– LangChain4j核心 –>
<dependency>
<groupId>dev.langchain4j</groupId>
<artifactId>langchain4j-core</artifactId>
<version>0.32.0</version>
</dependency>
<!– LangChain4j pgvector适配库 –>
<dependency>
<groupId>dev.langchain4j</groupId>
<artifactId>langchain4j-pgvector</artifactId>
<version>0.32.0</version>
</dependency>
<!– PostgreSQL JDBC驱动 –>
<dependency>
<groupId>org.postgresql</groupId>
<artifactId>postgresql</artifactId>
<version>42.7.3</version>
</dependency>
<!– 可选：连接池（生产环境必备） –>
<dependency>
<groupId>com.zaxxer</groupId>
<artifactId>HikariCP</artifactId>
<version>5.1.0</version>
</dependency>
</dependencies>
二、LangChain4j集成pgvector的核心实现步骤
步骤1：配置pgvector连接与向量存储参数
LangChain4j通过PgVectorStore封装pgvector的操作，核心配置包括数据库连接、向量维度、距离计算方式等：
import dev.langchain4j.store.embedding.pgvector.PgVectorStore;
import dev.langchain4j.store.embedding.pgvector.PgVectorStoreConfiguration;
import javax.sql.DataSource;
import com.zaxxer.hikari.HikariConfig;
import com.zaxxer.hikari.HikariDataSource;
public class PgVectorConfig {
// 1. 创建PostgreSQL数据源（生产环境用连接池）
public static DataSource createDataSource() {
HikariConfig config = new HikariConfig();
config.setJdbcUrl("jdbc:postgresql://localhost:5432/your_database");
config.setUsername("postgres");
config.setPassword("your_password");
config.setMaximumPoolSize(10); // 连接池大小，按需调整
config.setConnectionTimeout(30000); // 连接超时
return new HikariDataSource(config);
}
// 2. 配置并创建PgVectorStore
public static PgVectorStore createPgVectorStore() {
// 核心配置：数据库连接、向量维度、表名、距离函数
PgVectorStoreConfiguration config = PgVectorStoreConfiguration.builder()
.dataSource(createDataSource())
.tableName("document_embeddings") // 存储向量的表名（自动创建）
.vectorColumnName("embedding") // 向量列名
.idColumnName("id") // 主键列名
.contentColumnName("content") // 原始文本内容列名
.metadataColumnName("metadata") // 元数据列名（JSON格式）
.vectorDimension(1536) // 向量维度（需与嵌入模型一致，如text-embedding-ada-002是1536）
.distanceFunction("cosine") // 距离计算方式：cosine（余弦）/euclidean（欧氏）/inner_product（内积）
.createTableIfNotExists(true) // 自动创建表（首次运行需开启）
.build();
return new PgVectorStore(config);
}
}
步骤2：向量存储的核心操作（增、查、删）
LangChain4j的EmbeddingStore接口统一了向量存储的操作，pgvector适配后可直接调用：
import dev.langchain4j.data.embedding.Embedding;
import dev.langchain4j.data.embedding.EmbeddingMatch;
import dev.langchain4j.data.segment.TextSegment;
import dev.langchain4j.model.embedding.AllMiniLmL6V2EmbeddingModel;
import java.util.List;
public class PgVectorOperations {
public static void main(String[] args) {
// 1. 初始化向量存储和嵌入模型
PgVectorStore vectorStore = PgVectorConfig.createPgVectorStore();
AllMiniLmL6V2EmbeddingModel embeddingModel = new AllMiniLmL6V2EmbeddingModel(); // 轻量开源嵌入模型
// 2. 新增向量：将文本转为嵌入向量并存储
String text = "LangChain4j是基于Java的大语言模型应用开发框架，支持多种向量存储";
Embedding embedding = embeddingModel.embed(text).content(); // 生成向量
TextSegment segment = TextSegment.from(text); // 封装文本片段
vectorStore.add(embedding, segment); // 存储向量+文本
// 3. 相似性检索：根据查询向量找最相似的文本
String query = "Java的LangChain4j支持哪些向量数据库？";
Embedding queryEmbedding = embeddingModel.embed(query).content();
// 检索前3个最相似结果，相似度阈值0.7
List<EmbeddingMatch<TextSegment>> matches = vectorStore.findRelevant(queryEmbedding, 3, 0.7);
// 输出检索结果
for (EmbeddingMatch<TextSegment> match : matches) {
System.out.println("相似度：" + match.score());
System.out.println("文本内容：" + match.embeddedObject().text());
}
// 4. 清空向量存储（测试用）
// vectorStore.clear();
}
}
步骤3：生产环境优化配置
CREATE INDEX IF NOT EXISTS idx_embedding ON document_embeddings
USING ivfflat (embedding vector_cosine_ops) WITH (lists = 100);
— 为euclidean距离创建索引
— CREATE INDEX IF NOT EXISTS idx_embedding ON document_embeddings USING ivfflat (embedding vector_l2_ops) WITH (lists = 100);
List<Embedding> embeddings = List.of(embedding1, embedding2, embedding3);
List<TextSegment> segments = List.of(segment1, segment2, segment3);
vectorStore.addAll(embeddings, segments);
String metadataFilter = "metadata ->> 'doc_type' = 'technical'";
// 带过滤的相似性检索
List<EmbeddingMatch<TextSegment>> filteredMatches = vectorStore.findRelevant(
queryEmbedding,
3,
0.7,
metadataFilter // 过滤条件
);
三、关键参数说明与最佳实践
1. 核心参数选型
| vectorDimension | 与嵌入模型一致（如OpenAI ada-002=1536，Llama3嵌入=4096） | 提前确认嵌入模型维度，避免不匹配 |
| distanceFunction | cosine（余弦）/euclidean（欧氏）/inner_product（内积） | 文本相似度优先选cosine |
| lists（索引参数） | 索引列表数，一般设为向量总数的平方根（如100万向量设lists=1000） | 需根据数据量调优，避免过大/过小 |
2. 生产级最佳实践
四、常见问题与排查
总结
LangChain4j集成PostgreSQL pgvector的核心要点：
这些实践既覆盖了LangChain4j与pgvector的集成实操，也体现了向量数据库落地的工程化能力，是面试中需要重点突出的核心点。
