向量数据库数据库人工智能后端【免费下载链接】lancedbDeveloper-friendly OSS embedded retrieval library for multimodal AI. Search More; Manage Less.项目地址https://gitcode.com/gh_mirrors/la/lancedb点击查看免费下载导读parseEmbeddingMetadata是 LanceDB Node.js 客户端中解析embedding_functionsschema 元数据的唯一解析器所有读取路径建表校验、embedding 函数恢复、自动向量化都必须经过它从而保证多语言绑定之间线上格式wire contract的一致性。阅读本文后你将掌握embedding_functions元数据的 JSON 结构、snake_case/camelCase 兼容规则、EmbeddingMetadataEntry的字段语义以及它在建表校验与 embedding 函数重建中的实际调用链。函数签名与定位parseEmbeddingMetadata定义于 nodejs/lancedb/embedding/registry.ts签名如下function parseEmbeddingMetadata(json: string): EmbeddingMetadataEntry[]它接收一个 JSON 字符串返回一个EmbeddingMetadataEntry[]数组。该函数在 nodejs/lancedb/embedding/index.ts 中被公开导出同时在 nodejs/lancedb/arrow.ts 中也被直接引用服务于 schema 校验逻辑。元数据条目的数据结构EmbeddingMetadataEntry解析结果中的每个元素是EmbeddingMetadataEntry类型别名定义其定义如下type EmbeddingMetadataEntry { name: string; // embedding 函数在注册表中的注册名称 sourceColumn: string; // 源列名待向量化的文本/图像列 vectorColumn: string; // 向量列名embedding 输出写入的列 model: EmbeddingFunction[TOptions]; // 函数的模型配置选项 };该类型别名文档明确说明这是embedding_functionsschema 元数据中的一个条目列键名在各语言绑定的拼写之间做了归一化normalized——这正是parseEmbeddingMetadata的核心职责所在。线上格式的归一化解析snake_case 与 camelCase 兼容parseEmbeddingMetadata的内部实现registry.ts 第 285-315 行揭示了两条关键规则1. 键名拼写兼容。源码注释直言说实话线上格式就是 Python 绑定写出的 snake_case 键名。因此函数定义了一个Raw内部类型同时接受两种拼写type Raw { name: string; sourceColumn?: string; // camelCase 拼写 source_column?: string; // Python 绑定的 snake_case 拼写 vectorColumn?: string; vector_column?: string; // Python 绑定的 snake_case 拼写 model: EmbeddingFunction[TOptions]; };解析时优先取 camelCase缺失则回退到 snake_caseconst sourceColumn f.sourceColumn ?? f.source_column; const vectorColumn f.vectorColumn ?? f.vector_column;2. 数据完整性校验。解析过程中抛出两类错误若sourceColumn或vectorColumn缺失抛出Embedding function ${f.name} metadata names no source or vector column若两个条目声明了同一个向量列抛出Multiple embedding configs claim vector column ${vectorColumn}通过Set去重检测。最后返回统一为 camelCase 键名的EmbeddingMetadataEntry[]实现列键名归一化。元数据从何而来getTableMetadata 的序列化端要理解parseEmbeddingMetadata解析的输入需要看它的写入端——同一文件中的 getTableMetadatagetTableMetadata(functions: EmbeddingFunctionConfig[]): Mapstring, string { const metadata new Mapstring, string(); const jsonData functions.map((conf) this.functionToMetadata(conf)); metadata.set(embedding_functions, JSON.stringify(jsonData)); return metadata; }它把每个EmbeddingFunctionConfig序列化为一个 JSON 对象存放到 Arrow schema 的embedding_functions元数据键下。单条序列化格式由 functionToMetadata 生成functionToMetadata(conf: EmbeddingFunctionConfig): Recordstring, any { const name Reflect.getMetadata(lancedb::embedding::name, conf.function.constructor); metadata[sourceColumn] conf.sourceColumn; metadata[vectorColumn] conf.vectorColumn ?? vector; // 默认向量列名为 vector metadata[name] name ?? conf.function.constructor.name; metadata[model] conf.function.toJSON(); return metadata; }可以推断最终写入的元数据 JSON 结构大致形如[ { name: openai, sourceColumn: text, vectorColumn: vector, model: { modelName: text-embedding-3-small, apiKey: $var:OPENAI_API_KEY } } ]parseEmbeddingMetadata正是这一 JSON 的读取端两者共同构成了完整的写入-读取闭环。调用链一建表时的 schema 校验validateSchemaEmbeddingsparseEmbeddingMetadata的第一个关键消费点在 nodejs/lancedb/arrow.ts 的 validateSchemaEmbeddings。当向表中写入数据时该函数会遍历 schema 中的FixedSizeList字段向量列通常为此类型并检查数据中是否缺少该字段的值若缺失则先查询 schema 元数据中是否注册了对应的 embedding 函数if (schema.metadata.has(embedding_functions)) { const entries parseEmbeddingMetadata( schema.metadata.get(embedding_functions)!, ); if (entries.some((f) f.vectorColumn field.name)) { hasEmbeddingFunction true; } }若embedding_functions元数据或显式传入的embeddings参数中都不存在对应函数且字段非 nullable则将该字段加入missingEmbeddingFields最终抛出错误throw new Error( Table has embeddings: ${missingEmbeddingFields .map((f) f.name) .join(,)}, but no embedding function was provided, );这里entries.some((f) f.vectorColumn field.name)直接体现了EmbeddingMetadataEntry.vectorColumn的语义用元数据中记录的向量列名与 schema 字段名做匹配从而判断该向量列是否应由 embedding 函数自动填充。调用链二读取时恢复 embedding 函数parseFunctionsparseEmbeddingMetadata的第二个关键消费点在 EmbeddingFunctionRegistry.parseFunctions。当从已有表中读取数据时注册表通过该方法根据元数据重建 embedding 函数配置async parseFunctions(metadata: Mapstring, string): PromiseMapstring, ResolvedEmbeddingFunctionConfig { if (!metadata.has(embedding_functions)) { return new Map(); } const entries parseEmbeddingMetadata(metadata.get(embedding_functions)!); const items await Promise.all( entries.map(async (f) { const fn this.get(f.name); // 按 name 查找注册表中的函数 if (!fn) { throw new Error(Function ${f.name} not found in registry); } const func await fn.create(f.model); // 用 model 配置实例化 return { sourceColumn: f.sourceColumn, vectorColumn: f.vectorColumn, function: func, }; }), ); // Keyed by output column: one function may serve several columns. return new Map(items.map((config) [config.vectorColumn, config])); }这段代码清晰地展示了EmbeddingMetadataEntry四个字段的完整语义name用于在EmbeddingFunctionRegistry中查找已注册的构造函数model作为TOptions传入fn.create()用于实例化具体模型配置sourceColumn/vectorColumn用于重建ResolvedEmbeddingFunctionConfig最终以vectorColumn为键组织映射——注释特别说明一个函数可能服务多个列。写入端示例LanceSchema 与元数据的产生元数据序列化端与解析端的衔接可以在 LanceSchema 中看到完整流程。通过func.sourceField()/func.vectorField()标记字段后LanceSchema收集所有 embedding 函数配置调用registry.getTableMetadata()生成embedding_functions元数据再随 schema 一并传入db.createTable()const schema LanceSchema({ id: new Int32(), text: func.sourceField(new Utf8()), vector: func.vectorField(), }); const table await db.createTable(my_table, data, { schema });此后无论是下次建表校验还是再次打开表并调用parseFunctions恢复函数都会经由parseEmbeddingMetadata解析同一份元数据——这正是文档中every reader goes through here, so the wire contract cannot fork between them每个读取方都经过此处因此线上格式不会在它们之间分叉的含义。跨语言一致性与 Python 绑定的元数据对齐parseEmbeddingMetadata对 snake_case 键名的兼容并非巧合。Python 侧的 python/python/lancedb/embeddings/registry.py 中元数据写入逻辑使用source_column与vector_column键约第 122-144 行并同样以embedding_functions作为元数据键第 158 行。这印证了 Node.js 解析器中source_column/vector_column兼容分支的实际用途同一份表尤其是通过 Lance 格式共享或跨语言打开的表的元数据可能由 Python 绑定写出Node.js 绑定读取时必须能正确解析 snake_case 拼写。使用注意事项与边界条件基于源码实现使用parseEmbeddingMetadata或依赖它的 API时有以下几点值得注意输入必须是合法的 JSON 字符串函数直接调用JSON.parse(json)非法 JSON 会抛出原生解析错误每个条目必须声明 source 与 vector 列缺失任一列会抛出明确的错误信息命名了函数名以方便定位向量列名全局唯一两个配置声明同一vectorColumn会直接报错——这与parseFunctions中以vectorColumn为映射键的设计相互印证返回值字段全部归一化为 camelCase即便输入是 Python 写出的 snake_case调用方拿到的EmbeddingMetadataEntry也始终是统一的键名这正是单一解析器设计的意义所在。小结parseEmbeddingMetadata虽只是一个十几行的函数却是 LanceDB Node.js 客户端 embedding 体系的关键枢纽它在写入端getTableMetadata与读取端parseFunctions、validateSchemaEmbeddings之间建立了唯一的、跨语言一致的元数据契约。理解它的输入输出结构与校验规则有助于排查建表报错、自定义 embedding 函数注册以及跨语言共享表元数据等实际问题。其实现与类型定义可分别查阅 nodejs/lancedb/embedding/registry.ts 与 EmbeddingMetadataEntry 类型文档。赞分享向量数据库数据库人工智能后端【免费下载链接】lancedbDeveloper-friendly OSS embedded retrieval library for multimodal AI. Search More; Manage Less.项目地址https://gitcode.com/gh_mirrors/la/lancedb点击查看免费下载相关推荐LanceDB 字段元数据更新指南深入解析 FieldMetadataUpdate 接口LanceDB 字段元数据更新指南深入解析 FieldMetadataUpdate 接口 导读 本文围绕 LanceDB Node.js 客户端中的 Fiel向量数据库数据库人工智能后端深入理解 LanceDB Node.js 的 ResolvedEmbeddingFunctionConfig从表元数据回读嵌入函数配置的类型契约深入理解 LanceDB Node.js 的 ResolvedEmbeddingFunctionConfig从表元数据回读嵌入函数配置的类型契约 导读 在 向量数据库数据库人工智能后端LanceDB Node.js 列结构变更指南深入解析 ColumnAlteration 接口与 alterColumns APILanceDB Node.js 列结构变更指南深入解析 ColumnAlteration 接口与 alterColumns API 导读 本指南围绕 la向量数据库数据库人工智能后端创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考