Agent search

AgentSearchReader

Bases: BaseReader

代理搜索读取器。

Source code in llama_index/readers/agent_search/base.py

class AgentSearchReader(BaseReader):
    """代理搜索读取器。"""

    def __init__(
        self,
        api_base: Optional[str] = None,
        api_key: Optional[str] = None,
    ):
        """使用参数进行初始化。"""
        import_err_msg = (
            "`agent-search` package not found, please run `pip install agent-search`"
        )
        try:
            import agent_search  # noqa: F401
        except ImportError:
            raise ImportError(import_err_msg)

        from agent_search import SciPhi

        self._client = SciPhi(api_base=api_base, api_key=api_key)

    def load_data(
        self,
        query: str,
        search_provider: str = "bing",
        llm_model: str = "SciPhi/Sensei-7B-V1",
    ) -> List[Document]:
        """从SciPhi托管的AgentSearch中加载数据。

Args:
    collection_name (str): Milvus集合的名称。
    query_vector (List[float]): 查询向量。
    limit (int): 要返回的结果数量。

Returns:
    List[Document]: 文档列表。
"""
        rag_response = self._client.get_search_rag_response(
            query=query, search_provider=search_provider, llm_model=llm_model
        )
        return [Document(text=rag_response.pop("response"), metadata=rag_response)]

load_data

load_data(
    query: str,
    search_provider: str = "bing",
    llm_model: str = "SciPhi/Sensei-7B-V1",
) -> List[Document]

从SciPhi托管的AgentSearch中加载数据。

Parameters:

Name	Type	Description	Default
collection_name	str	Milvus集合的名称。	required
query_vector	List[float]	查询向量。	required
limit	int	要返回的结果数量。	required

Returns:

Type	Description
List[Document]	List[Document]: 文档列表。

Source code in llama_index/readers/agent_search/base.py

    def load_data(
        self,
        query: str,
        search_provider: str = "bing",
        llm_model: str = "SciPhi/Sensei-7B-V1",
    ) -> List[Document]:
        """从SciPhi托管的AgentSearch中加载数据。

Args:
    collection_name (str): Milvus集合的名称。
    query_vector (List[float]): 查询向量。
    limit (int): 要返回的结果数量。

Returns:
    List[Document]: 文档列表。
"""
        rag_response = self._client.get_search_rag_response(
            query=query, search_provider=search_provider, llm_model=llm_model
        )
        return [Document(text=rag_response.pop("response"), metadata=rag_response)]