Skip to main content

rag-google-cloud-vertexai-search

这个模板是一个应用程序，利用了 Google Vertex AI Search，这是一个由机器学习驱动的搜索服务，以及 PaLM 2 for Chat（chat-bison）。该应用程序使用一个检索链来根据您的文档回答问题。

想要了解如何使用 Vertex AI Search 构建 RAG 应用程序的更多背景信息，请查看这里。

环境设置​

在使用此模板之前，请确保您已经通过 Vertex AI Search 进行了身份验证。请参阅身份验证指南：这里。

您还需要创建：

  • 一个搜索应用程序，请点击这里

  • 一个数据存储，请点击这里

一个适合用来测试此模板的数据集是 Alphabet Earnings Reports，您可以在这里找到。数据也可以在 gs://cloud-samples-data/gen-app-builder/search/alphabet-investor-pdfs 找到。

设置以下环境变量：

  • GOOGLE_CLOUD_PROJECT_ID - 您的 Google Cloud 项目 ID。

  • DATA_STORE_ID - 在 Vertex AI Search 中数据存储的 ID，这是一个包含在数据存储详情页面上的 36 位字母数字值。

  • MODEL_TYPE - 用于 Vertex AI Search 的模型类型。

使用方法​

要使用这个包，您首先需要安装 LangChain CLI：

pip install -U langchain-cli

要创建一个新的 LangChain 项目并将此包安装为唯一包，您可以执行：

langchain app new my-app --package rag-google-cloud-vertexai-search

如果您想将其添加到现有项目中，只需运行：

langchain app add rag-google-cloud-vertexai-search

并将以下代码添加到您的 server.py 文件中：

from rag_google_cloud_vertexai_search.chain import chain as rag_google_cloud_vertexai_search_chain
add_routes(app, rag_google_cloud_vertexai_search_chain, path="/rag-google-cloud-vertexai-search")

（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，那么您可以直接启动 LangServe 实例：

langchain serve

这将启动一个在本地运行的服务器的 FastAPI 应用程序，地址为

http://localhost:8000

我们可以在http://127.0.0.1:8000/docs看到所有模板

我们可以在http://127.0.0.1:8000/rag-google-cloud-vertexai-search/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-google-cloud-vertexai-search")

Was this page helpful?


You can leave detailed feedback on GitHub.