Vectara
Vectara 是开发者信赖的 GenAI 平台。它提供了一个简单的 API,用于构建语义搜索或 RAG(检索增强生成)的 GenAI 应用程序。
Vectara 概述:
Vectara
是面向开发者的 API 平台,用于构建可信赖的 GenAI 应用程序。要使用 Vectara,请先注册并创建一个账户。然后创建一个语料库和一个用于索引和搜索的 API 密钥。
您可以使用 Vectara 的索引 API将文档添加到 Vectara 的索引中。
您可以使用 Vectara 的搜索 API查询 Vectara 的索引(还支持隐式的混合搜索)。
安装和设置
使用 LangChain 的 Vectara
不需要特殊的安装步骤。
要开始使用,请注册并按照我们的快速入门指南创建一个语料库和一个 API 密钥。
一旦您拥有了这些,您可以将它们作为参数提供给 Vectara 的 vectorstore,或者将它们设置为环境变量。
export
VECTARA_CUSTOMER_ID
="your_customer_id"export
VECTARA_CORPUS_ID
="your_corpus_id"export
VECTARA_API_KEY
="your-vectara-api-key"
Vectara 作为向量存储
存在一个围绕 Vectara 平台的包装器,允许您将其用作向量存储,无论是用于语义搜索还是示例选择。
要导入此向量存储:
from langchain_community.vectorstores import Vectara
要创建 Vectara 向量存储的实例:
vectara = Vectara(
vectara_customer_id=customer_id,
vectara_corpus_id=corpus_id,
vectara_api_key=api_key
)
customer_id、corpus_id 和 api_key 是可选的,如果未提供将从环境变量 VECTARA_CUSTOMER_ID
、VECTARA_CORPUS_ID
和 VECTARA_API_KEY
中读取。
在获得向量存储之后,您可以按照标准的 VectorStore
接口使用 add_texts
或 add_documents
,例如:
vectara.add_texts(["to be or not to be", "that is the question"])
由于 Vectara 支持文件上传,我们还添加了直接上传文件(PDF、TXT、HTML、PPT、DOC 等)的功能。使用此方法时,文件将直接上传到 Vectara 后端,在那里进行处理和最佳分块,因此您不必使用 LangChain 的文档加载器或分块机制。
例如:
vectara.add_files(["path/to/file1.pdf", "path/to/file2.pdf",...])
要查询向量存储,您可以使用 similarity_search
方法(或 similarity_search_with_score
),它接受一个查询字符串并返回一个结果列表:
results = vectara.similarity_score("what is LangChain?")
结果以相关文档的列表和每个文档的相关性分数返回。
在这种情况下,我们使用了默认的检索参数,但您还可以在 similarity_search
或 similarity_search_with_score
中指定以下附加参数:
k
:要返回的结果数量(默认为 5)lambda_val
:混合搜索的词汇匹配因子(默认为 0.025)filter
:要应用于结果的过滤器(默认为 None)n_sentence_context
:返回结果时包括实际匹配段前/后的句子数量。默认为 2。mmr_config
:可用于在查询中指定 MMR 模式。is_enabled
:True 或 Falsemmr_k
:用于 MMR 重新排序的结果数量diversity_bias
:0 = 无多样性,1 = 完全多样性。这是 MMR 公式中的 lambda 参数,取值范围为 0...1
Vectara 用于检索增强生成(RAG)
Vectara 提供了完整的 RAG 流程,包括生成式摘要。
要使用此流程,您可以在 similarity_search
或 similarity_search_with_score
中指定 summary_config
参数,如下所示:
summary_config
:可用于在 RAG 中请求 LLM 摘要is_enabled
:True 或 Falsemax_results
:用于摘要生成的结果数量response_lang
:响应摘要的语言,使用 ISO 639-2 格式(例如 'en'、'fr'、'de' 等)
示例笔记本
有关使用 Vectara 的更详细示例,请参阅以下示例: