rag-chroma-private
该模板执行 RAG，不依赖外部 API。
它利用 Ollama 作为 LLM，GPT4All 用于嵌入，以及 Chroma 用于向量存储。
向量存储在 chain.py 中创建，默认情况下索引 Agents 的热门博客文章 以进行问答。
环境设置
要设置环境，您需要下载 Ollama。
请按照 这里 的说明进行操作。
您可以使用 Ollama 选择所需的 LLM。
此模板使用 llama2:7b-chat，可通过 ollama pull llama2:7b-chat 访问。
还有许多其他选项可在 这里 找到。
此软件包还使用 GPT4All 嵌入。
用法
要使用此软件包，您首先需要安装 LangChain CLI：
pip install -U langchain-cli
要创建新的 LangChain 项目并将其安装为唯一软件包，可以执行：
langchain app new my-app --package rag-chroma-private
如果要将其添加到现有项目中，只需运行：
langchain app add rag-chroma-private
并将以下代码添加到您的 server.py 文件中：
from rag_chroma_private import chain as rag_chroma_private_chain
add_routes(app, rag_chroma_private_chain, path="/rag-chroma-private")
（可选）现在让我们配置 LangSmith。LangSmith 将帮助我们跟踪、监视和调试 LangChain 应用程序。您可以在 这里 注册 LangSmith。如果您没有访问权限，可以跳过此部分
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，则可以直接启动 LangServe 实例：
langchain serve
这将启动 FastAPI 应用程序，服务器在本地运行在
我们可以在 http://127.0.0.1:8000/docs 查看所有模板
我们可以在 http://127.0.0.1:8000/rag-chroma-private/playground 访问 playground
我们可以通过以下方式从代码中访问模板：
from langserve.client import RemoteRunnable
runnable = RemoteRunnable("http://localhost:8000/rag-chroma-private")
该软件包将在 chain.py 中创建并添加文档到向量数据库。默认情况下，它将加载一个关于 agents 的热门博客文章。但是，您可以在 这里 选择大量的文档加载器。