rag-pinecone

该模板使用 Pinecone 和 OpenAI 执行 RAG。

环境设置

此模板使用 Pinecone 作为向量存储，并要求设置 PINECONE_API_KEY、PINECONE_ENVIRONMENT 和 PINECONE_INDEX。

设置 OPENAI_API_KEY 环境变量以访问 OpenAI 模型。

用法

要使用此软件包，您首先应安装 LangChain CLI：

pip install -U langchain-cli

要创建新的 LangChain 项目并将其安装为唯一软件包，您可以执行以下操作：

langchain app new my-app --package rag-pinecone

如果要将其添加到现有项目中，只需运行：

langchain app add rag-pinecone

然后将以下代码添加到您的 server.py 文件中：

from rag_pinecone import chain as rag_pinecone_chain
add_routes(app, rag_pinecone_chain, path="/rag-pinecone")

（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，则可以直接启动 LangServe 实例：

langchain serve

这将启动 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-pinecone/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-pinecone")