rag-vectara

这个模板使用 vectara 进行 RAG。

环境设置

设置 OPENAI_API_KEY 环境变量以访问 OpenAI 模型。

还要确保设置了以下环境变量：

• VECTARA_CUSTOMER_ID

• VECTARA_CORPUS_ID

• VECTARA_API_KEY

使用方法

要使用这个包，首先需要安装 LangChain CLI：

pip install -U langchain-cli

要创建一个新的 LangChain 项目并将此包安装为唯一的包，可以执行以下操作：

langchain app new my-app --package rag-vectara

如果要将其添加到现有项目中，只需运行：

langchain app add rag-vectara

然后将以下代码添加到你的 server.py 文件中：

from rag_vectara import chain as rag_vectara_chain
add_routes(app, rag_vectara_chain, path="/rag-vectara")

（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 "vectara-demo"

如果你在此目录中，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 上查看所有模板。

我们可以在 http://127.0.0.1:8000/rag-vectara/playground 上访问 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-vectara")