Qdrant

Qdrant（读作：quadrant）是一个向量相似度搜索引擎。它提供了一个可用于生产的服务，具有方便的 API 来存储、搜索和管理带有额外负载的点 - 向量。Qdrant专为扩展过滤支持而设计。

在笔记本中，我们将演示围绕Qdrant向量存储器包装的SelfQueryRetriever。

创建 Qdrant 向量存储器

首先，我们需要创建一个 Qdrant 向量存储器，并用一些数据填充它。我们创建了一个包含电影摘要的小型演示文档集。

注意： 自查询检索器要求您已安装lark（pip install lark）。我们还需要qdrant-client包。

%pip install --upgrade --quiet lark qdrant-client

我们想要使用OpenAIEmbeddings，因此我们需要获取 OpenAI API 密钥。

# import os
# import getpass
# os.environ['OPENAI_API_KEY'] = getpass.getpass('OpenAI API Key:')

from langchain_community.vectorstores import Qdrant
from langchain_core.documents import Document
from langchain_openai import OpenAIEmbeddings
embeddings = OpenAIEmbeddings()

docs = [
    Document(
        page_content="一群科学家复活恐龙，混乱不断",
        metadata={"year": 1993, "rating": 7.7, "genre": "科幻"},
    ),
    Document(
        page_content="莱昂纳多·迪卡普里奥在梦中迷失，梦中的梦中的梦中...",
        metadata={"year": 2010, "director": "克里斯托弗·诺兰", "rating": 8.2},
    ),
    Document(
        page_content="一位心理学家/侦探迷失在一系列梦境中，而《盗梦空间》重新利用了这个概念",
        metadata={"year": 2006, "director": "今敏", "rating": 8.6},
    ),
    Document(
        page_content="一群普通身材的女性极具魅力，一些男性为她们倾心",
        metadata={"year": 2019, "director": "格蕾塔·葛韦格", "rating": 8.3},
    ),
    Document(
        page_content="玩具活了起来，并且玩得不亦乐乎",
        metadata={"year": 1995, "genre": "动画"},
    ),
    Document(
        page_content="三个人走进区域，三个人走出区域",
        metadata={
            "year": 1979,
            "rating": 9.9,
            "director": "安德烈·塔可夫斯基",
            "genre": "科幻",
        },
    ),
]
vectorstore = Qdrant.from_documents(
    docs,
    embeddings,
    location=":memory:",  # 仅限本地模式，仅内存存储
    collection_name="my_documents",
)

创建我们的自查询检索器

现在我们可以实例化我们的检索器。为此，我们需要提供关于我们的文档支持的元数据字段的一些信息以及文档内容的简短描述。

from langchain.chains.query_constructor.base import AttributeInfo
from langchain.retrievers.self_query.base import SelfQueryRetriever
from langchain_openai import OpenAI
metadata_field_info = [
    AttributeInfo(
        name="genre",
        description="电影的类型",
        type="字符串或字符串列表",
    ),
    AttributeInfo(
        name="year",
        description="电影发行年份",
        type="整数",
    ),
    AttributeInfo(
        name="director",
        description="电影导演的姓名",
        type="字符串",
    ),
    AttributeInfo(
        name="rating", description="电影的1-10评分", type="浮点数"
    ),
]
document_content_description = "电影简要摘要"
llm = OpenAI(temperature=0)
retriever = SelfQueryRetriever.from_llm(
    llm, vectorstore, document_content_description, metadata_field_info, verbose=True
)

测试一下

现在我们可以尝试实际使用我们的检索器！

# 此示例仅指定一个相关查询
retriever.invoke("有关恐龙的一些电影")

query='dinosaur' filter=None limit=None

[Document(page_content='一群科学家复活恐龙，混乱不断', metadata={'year': 1993, 'rating': 7.7, 'genre': '科幻'}),
 Document(page_content='玩具活了起来，并且玩得不亦乐乎', metadata={'year': 1995, 'genre': '动画'}),
 Document(page_content='三个人走进区域，三个人走出区域', metadata={'year': 1979, 'rating': 9.9, 'director': '安德烈·塔可夫斯基', 'genre': '科幻'}),
 Document(page_content='一位心理学家/侦探迷失在一系列梦境中，而《盗梦空间》重新利用了这个概念', metadata={'year': 2006, 'director': '今敏', 'rating': 8.6})]

# 此示例仅指定一个过滤器
retriever.invoke("我想看一部评分高于8.5的电影")

query=' ' filter=Comparison(comparator=<Comparator.GT: 'gt'>, attribute='rating', value=8.5) limit=None

[文档(page_content='三个人走进地带，三个人走出地带', metadata={'年份': 1979, '评分': 9.9, '导演': '安德烈·塔可夫斯基', '类型': '科幻'}),
 文档(page_content='一位心理学家/侦探迷失在一系列梦境中，其中嵌套着梦境，电影《盗梦空间》重新利用了这个想法', metadata={'年份': 2006, '导演': '今敏', '评分': 8.6})]

# 这个例子指定了一个查询和一个过滤器
retriever.invoke("格蕾塔·葛韦格导演过关于女性的电影吗")

query='women' filter=Comparison(comparator=<Comparator.EQ: 'eq'>, attribute='director', value='Greta Gerwig') limit=None

[Document(page_content='一群普通身材的女性非常健康，一些男人为她们倾倒', metadata={'year': 2019, 'director': 'Greta Gerwig', 'rating': 8.3})]

# 这个例子指定了一个复合过滤器
retriever.invoke("有哪些评分高于8.5的科幻电影")

query=' ' filter=Operation(operator=<Operator.AND: 'and'>, arguments=[Comparison(comparator=<Comparator.GT: 'gt'>, attribute='rating', value=8.5), Comparison(comparator=<Comparator.EQ: 'eq'>, attribute='genre', value='science fiction')]) limit=None

[Document(page_content='三个人走进区域，三个人走出区域', metadata={'year': 1979, 'rating': 9.9, 'director': 'Andrei Tarkovsky', 'genre': 'science fiction'})]

# 这个例子指定了一个查询和复合过滤器
retriever.invoke(
    "1990年后但2005年前关于玩具的电影，最好是动画片"
)

query='toys' filter=Operation(operator=<Operator.AND: 'and'>, arguments=[Comparison(comparator=<Comparator.GT: 'gt'>, attribute='year', value=1990), Comparison(comparator=<Comparator.LT: 'lt'>, attribute='year', value=2005), Comparison(comparator=<Comparator.EQ: 'eq'>, attribute='genre', value='animated')]) limit=None

[Document(page_content='玩具活了起来，并且玩得不亦乐乎', metadata={'year': 1995, 'genre': 'animated'})]

过滤器 k

我们还可以使用自查询检索器来指定 k：要获取的文档数量。

我们可以通过将 enable_limit=True 传递给构造函数来实现这一点。

retriever = SelfQueryRetriever.from_llm(
    llm,
    vectorstore,
    document_content_description,
    metadata_field_info,
    enable_limit=True,
    verbose=True,
)

# 这个例子只指定了一个相关查询
retriever.invoke("有关恐龙的两部电影")

query='dinosaur' filter=None limit=2

[Document(page_content='一群科学家复活恐龙，然后麻烦不断', metadata={'year': 1993, 'rating': 7.7, 'genre': 'science fiction'}),
 Document(page_content='玩具活了起来，并且玩得不亦乐乎', metadata={'year': 1995, 'genre': 'animated'})]