rag-redis

这个模板使用 Redis（向量数据库）和 OpenAI（LLM）对 Nike 公司的财务 10k 报告文档执行 RAG。 它依赖于句子转换器 all-MiniLM-L6-v2 来嵌入 PDF 文件的片段和用户问题。

环境设置

设置 OPENAI_API_KEY 环境变量以访问 OpenAI 模型：

export OPENAI_API_KEY= <YOUR OPENAI API KEY>

设置以下 Redis 环境变量：

export REDIS_HOST = <YOUR REDIS HOST>
export REDIS_PORT = <YOUR REDIS PORT>
export REDIS_USER = <YOUR REDIS USER NAME>
export REDIS_PASSWORD = <YOUR REDIS PASSWORD>

支持的设置

我们使用各种环境变量来配置此应用程序 | 环境变量 | 描述 | 默认值 | |----------------------|-----------------------------------|---------------| | DEBUG | 启用或禁用 Langchain 调试日志 | True | | REDIS_HOST | Redis 服务器的主机名 | "localhost" | | REDIS_PORT | Redis 服务器的端口 | 6379 | | REDIS_USER | Redis 服务器的用户 | "" | | REDIS_PASSWORD | Redis 服务器的密码 | "" | | REDIS_URL | 连接到 Redis 的完整 URL | None，如果未提供，则从用户、密码、主机和端口构造 | | INDEX_NAME | 向量索引的名称 | "rag-redis" |

用法

要使用此软件包，您应首先在 Python 虚拟环境中安装 LangChain CLI 和 Pydantic：

pip install -U langchain-cli pydantic==1.10.13

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-redis

如果您想将其添加到现有项目中，只需运行：

langchain app add rag-redis

并将以下代码片段添加到您的 app/server.py 文件中：

from rag_redis.chain import chain as rag_redis_chain
add_routes(app, rag_redis_chain, path="/rag-redis")

（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，那么您可以通过以下方式直接启动 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-redis/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-redis")