rag-opensearch

这个模板使用 OpenSearch 执行 RAG。

环境设置

设置以下环境变量。

• OPENAI_API_KEY - 用于访问 OpenAI Embeddings 和 Models。

如果不使用默认值，还可以选择设置 OpenSearch 的环境变量：

• OPENSEARCH_URL - 托管的 OpenSearch 实例的 URL

• OPENSEARCH_USERNAME - OpenSearch 实例的用户名

• OPENSEARCH_PASSWORD - OpenSearch 实例的密码

• OPENSEARCH_INDEX_NAME - 索引的名称

要在 Docker 中运行默认的 OpenSeach 实例，您可以使用以下命令

docker run -p 9200:9200 -p 9600:9600 -e "discovery.type=single-node" --name opensearch-node -d opensearchproject/opensearch:latest

注意：要加载名为 langchain-test 的虚拟索引和虚拟文档，请在包中运行 python dummy_index_setup.py

用法

要使用这个包，您应该首先安装 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包，您可以执行：

langchain app new my-app --package rag-opensearch

如果要将其添加到现有项目中，只需运行：

langchain app add rag-opensearch

并将以下代码添加到您的 server.py 文件中：

from rag_opensearch import chain as rag_opensearch_chain
add_routes(app, rag_opensearch_chain, path="/rag-opensearch")

（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 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，则可以通过以下方式直接启动 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-opensearch/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-opensearch")