rag-aws-bedrock

这个模板旨在连接 AWS Bedrock 服务，它是一个提供一组基础模型的托管服务器。

它主要使用 Anthropic Claude 进行文本生成，Amazon Titan 进行文本嵌入，并利用 FAISS 作为向量存储。

有关 RAG 管道的更多背景信息，请参阅此笔记本。

环境设置

在使用此包之前，请确保已配置 boto3 以与您的 AWS 账户配合使用。

有关如何设置和配置 boto3 的详细信息，请访问此页面。

此外，您需要安装 faiss-cpu 包以与 FAISS 向量存储一起使用：

pip install faiss-cpu

您还应设置以下环境变量以反映您的 AWS 配置文件和区域（如果您不使用 default AWS 配置文件和 us-east-1 区域）：

首先，安装 LangChain CLI：

pip install -U langchain-cli

要创建一个新的 LangChain 项目并将其安装为唯一的包：

langchain app new my-app --package rag-aws-bedrock

要将此包添加到现有项目中：

langchain app add rag-aws-bedrock

然后将以下代码添加到您的 server.py 文件中：

from rag_aws_bedrock import chain as rag_aws_bedrock_chain
add_routes(app, rag_aws_bedrock_chain, path="/rag-aws-bedrock")

（可选）如果您可以访问 LangSmith，则可以配置它以跟踪、监视和调试 LangChain 应用程序。如果您无法访问，请跳过此部分。

export LANGCHAIN_TRACING_V2=true
export LANGCHAIN_API_KEY=<your-api-key>
export LANGCHAIN_PROJECT=<your-project>  # 如果未指定，默认为 "default"

如果您在此目录中，可以通过以下方式直接启动 LangServe 实例：

langchain serve

这将在本地启动一个运行在 http://localhost:8000 的 FastAPI 服务器。

您可以通过以下代码访问模板：

from langserve.client import RemoteRunnable
runnable = RemoteRunnable("http://localhost:8000/rag-aws-bedrock")