rag-jaguardb

这个模板使用 JaguarDB 和 OpenAI 执行 RAG。

环境设置

你需要导出两个环境变量，一个是你的 Jaguar URI，另一个是你的 OpenAI API KEY。

如果你还没有设置 JaguarDB，请参考底部的 设置 Jaguar 部分的说明。

export JAGUAR_API_KEY=...
export OPENAI_API_KEY=...

要使用这个包，你首先需要安装 LangChain CLI：

pip install -U langchain-cli

要创建一个新的 LangChain 项目并将其作为唯一的包安装，可以执行以下命令：

langchain app new my-app --package rag-jaguardb

如果你想将其添加到现有项目中，只需运行：

langchain app add rag-jagaurdb

然后将以下代码添加到你的 server.py 文件中：

from rag_jaguardb import chain as rag_jaguardb
add_routes(app, rag_jaguardb_chain, path="/rag-jaguardb")

（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。

你可以在这里注册 LangSmith。

如果你没有访问权限，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"

如果你在此目录中，可以直接启动 LangServe 实例：

langchain serve

这将启动 FastAPI 应用程序，本地运行的服务器位于

我们可以在 http://127.0.0.1:8000/docs 上查看所有模板。

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-jaguardb")

要使用 JaguarDB，你可以使用 docker pull 和 docker run 命令快速设置 JaguarDB。

docker pull jaguardb/jaguardb 
docker run -d -p 8888:8888 --name jaguardb jaguardb/jaguardb

要启动 JaguarDB 客户端终端与 JaguarDB 服务器进行交互：

docker exec -it jaguardb /home/jaguar/jaguar/bin/jag

另一种选择是在 Linux 上下载已构建的 JaguarDB 二进制包，并在单个节点或节点集群上部署数据库。简化的流程使您能够快速开始使用 JaguarDB 并利用其强大的功能和功能。这里。