多索引融合的 RAG 模型

一个问答应用程序，可以查询多个领域特定的检索器，并从所有检索结果中选择最相关的文档。

环境设置

该应用程序查询 PubMed、ArXiv、Wikipedia 以及 Kay AI（用于查询 SEC 文件）。

您需要创建一个免费的 Kay AI 账户，并在这里获取您的 API 密钥。

然后设置环境变量：

export KAY_API_KEY="<YOUR_API_KEY>"

使用方法

要使用此软件包，您首先需要安装 LangChain CLI：

pip install -U langchain-cli

要创建一个新的 LangChain 项目并将其安装为唯一软件包，您可以执行：

langchain app new my-app --package rag-multi-index-fusion

如果要将其添加到现有项目中，只需运行：

langchain app add rag-multi-index-fusion

然后将以下代码添加到您的 server.py 文件中：

from rag_multi_index_fusion import chain as rag_multi_index_fusion_chain
add_routes(app, rag_multi_index_fusion_chain, path="/rag-multi-index-fusion")

（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 FastAPI 应用程序，服务器在本地运行，地址为

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-multi-index-fusion/playground 访问 playground

我们可以通过以下代码从代码中访问模板：

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