NodeJS中如何复用Mongo Atlas存储的Langchain向量嵌入以降低OpenAI成本？

完全可行，你不需要每次服务启动都调用fromDocuments()重新生成嵌入。LangChain的MongoDBAtlasVectorSearch支持直接从已存在的Mongo集合加载向量存储，具体实现如下：

核心逻辑 #

先检查Mongo集合中是否已有向量数据：

• 若集合为空，再调用fromDocuments()生成并保存嵌入
• 若已有数据，直接初始化MongoDBAtlasVectorSearch实例加载现有向量

代码实现 #

// 先检查集合内是否已有向量文档
const documentCount = await this.collection.countDocuments();

if (documentCount === 0) {
  // 无数据时，生成嵌入并保存到Mongo
  this.vectorStore = await MongoDBAtlasVectorSearch.fromDocuments(docs, embeddings, {
    collection: this.collection
  });
} else {
  // 已有数据，直接加载向量存储
  this.vectorStore = new MongoDBAtlasVectorSearch(embeddings, {
    collection: this.collection,
    indexName: "vector_index", // 替换为你在Mongo Atlas创建的向量索引名称
    textKey: "pageContent", // 存储文档原文的字段名，默认是pageContent
    embeddingKey: "embedding" // 存储向量的字段名，默认是embedding
  });
}

额外注意事项 #

1. 向量索引要求：确保你已经在Mongo Atlas中为embedding字段创建了正确的向量索引，否则无法正常进行向量检索
2. 添加新文档：后续如果有新的PDF需要加入系统，直接调用addDocuments()方法即可，无需重新生成全部嵌入：

   await this.vectorStore.addDocuments(newPdfDocs);
   

内容的提问来源于stack exchange，提问作者Carlos Muentes