Vespa

Vespa 是一个功能齐全的搜索引擎和向量数据库。它支持向量搜索 (ANN)、词汇搜索以及在结构化数据中进行搜索，所有这些功能都可以在同一个查询中实现。

这个笔记本展示了如何将 Vespa.ai 用作 LangChain 检索器。

为了创建一个检索器，我们使用 pyvespa 来连接到 Vespa 服务。

%pip install --upgrade --quiet  pyvespa

from vespa.application import Vespa
vespa_app = Vespa(url="https://doc-search.vespa.oath.cloud")

这样就创建了一个到 Vespa 服务的连接，这里是 Vespa 文档搜索服务。使用 pyvespa 包，你也可以连接到一个

Vespa 云实例

或者本地的

Docker 实例。

连接到服务之后，你可以设置检索器：

from langchain_community.retrievers import VespaRetriever
vespa_query_body = {
    "yql": "select content from paragraph where userQuery()",
    "hits": 5,
    "ranking": "documentation",
    "locale": "en-us",
}
vespa_content_field = "content"
retriever = VespaRetriever(vespa_app, vespa_query_body, vespa_content_field)

这样设置了一个 LangChain 检索器，从 Vespa 应用程序中获取文档。在这里，最多从 paragraph 文档类型的 content 字段中检索出 5 个结果，使用 documentation 作为排名方法。userQuery() 会被实际从 LangChain 传递过来的查询替换。

请参考 pyvespa 文档 以获取更多信息。

现在你可以返回结果，并继续在 LangChain 中使用这些结果。

retriever.invoke("what is vespa?")