rag-elasticsearch

这个模板使用 Elasticsearch 实现 RAG。

它依赖于句子转换器 MiniLM-L6-v2 来嵌入段落和问题。

环境设置

设置 OPENAI_API_KEY 环境变量以访问 OpenAI 模型。

要连接到您的 Elasticsearch 实例，请使用以下环境变量：

export ELASTIC_CLOUD_ID = <ClOUD_ID>
export ELASTIC_USERNAME = <ClOUD_USERNAME>
export ELASTIC_PASSWORD = <ClOUD_PASSWORD>

对于使用 Docker 进行本地开发，请使用：

export ES_URL="http://localhost:9200"

并在 Docker 中运行 Elasticsearch 实例：

docker run -p 9200:9200 -e "discovery.type=single-node" -e "xpack.security.enabled=false" -e "xpack.security.http.ssl.enabled=false" docker.elastic.co/elasticsearch/elasticsearch:8.9.0

使用方法

要使用此包，您首先需要安装 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，可以执行以下操作：

langchain app new my-app --package rag-elasticsearch

如果要将其添加到现有项目中，只需运行：

langchain app add rag-elasticsearch

并将以下代码添加到您的 server.py 文件中：

from rag_elasticsearch import chain as rag_elasticsearch_chain
add_routes(app, rag_elasticsearch_chain, path="/rag-elasticsearch")

（可选）现在让我们配置 LangSmith。

LangSmith 将帮助我们跟踪、监控和调试 LangChain 应用程序。

您可以在此处注册 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

这将在本地启动 FastAPI 应用程序，服务器正在运行于 http://localhost:8000

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-elasticsearch/playground 访问 playground。

我们可以通过以下代码访问模板：

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

要加载虚构的工作场所文档，请从此存储库的根目录运行以下命令：

python ingest.py

但是，您可以在这里选择大量的文档加载器。