langchain.chains.retrieval.create_retrieval_chain¶
- langchain.chains.retrieval.create_retrieval_chain(retriever: Union[BaseRetriever, Runnable[dict, List[Document]]], combine_docs_chain: Runnable[Dict[str, Any], str]) Runnable[source]¶
创建检索链，用于检索文档然后传递它们。
- 参数：
retriever: 类似Retriever的对象，返回文档列表。应该是BaseRetriever的子类或返回文档列表的可运行对象。如果是BaseRetriever的子类，则预期会传入一个`input`键 - 这将用于传递给检索器。如果这不是BaseRetriever的子类，则所有输入将被传递给此可运行对象，这意味着可运行对象应该接受一个字典作为输入。 combine_docs_chain: 接受输入并生成字符串输出的可运行对象。这将包括此链的任何原始输入，一个包含检索到的文档的新上下文键，以及chat_history（如果输入中不存在）的值为`[]`（以便轻松启用对话式检索）。
- 返回：
一个LCEL Runnable。Runnable返回一个包含至少`context`和`answer`键的字典。
- 示例：
# pip install -U langchain langchain-community from langchain_community.chat_models import ChatOpenAI from langchain.chains.combine_documents import create_stuff_documents_chain from langchain.chains import create_retrieval_chain from langchain import hub retrieval_qa_chat_prompt = hub.pull("langchain-ai/retrieval-qa-chat") llm = ChatOpenAI() retriever = ... combine_docs_chain = create_stuff_documents_chain( llm, retrieval_qa_chat_prompt ) retrieval_chain = create_retrieval_chain(retriever, combine_docs_chain) chain.invoke({"input": "..."})
- Parameters
retriever (Union[BaseRetriever, Runnable[dict, List[Document]]]) –
combine_docs_chain (Runnable[Dict[str, Any], str]) –
- Return type