查询转换

LlamaIndex 允许您对索引结构执行查询转换。查询转换是将查询转换为另一个查询的模块。它们可以是单步的，即在查询针对索引执行之前运行一次转换。

它们也可以是多步的，如下所示：

1. 查询被转换后，在索引中执行，
2. 获取响应。
3. 后续查询按顺序进行转换/执行。

我们将以下列方式更详细地列出一些查询转换。

用例

查询转换有多种用例：

• 将初始查询转换为更容易嵌入的形式（例如 HyDE）
• 将初始查询转换为更容易从数据中回答的子问题（单步查询分解）
• 将初始查询分解为多个更容易单独回答的子问题（多步查询分解）

HyDE（假设文档嵌入）

HyDE 是一种技术，根据自然语言查询，首先生成一个假设的文档/答案。然后使用此假设文档进行嵌入查找，而不是使用原始查询。

要使用 HyDE，以下是一个示例代码片段。

from llama_index.core import VectorStoreIndex, SimpleDirectoryReader
from llama_index.core.indices.query.query_transform.base import (
    HyDEQueryTransform,
)
from llama_index.core.query_engine import TransformQueryEngine

# 加载文档，构建索引
documents = SimpleDirectoryReader("../paul_graham_essay/data").load_data()
index = VectorStoreIndex(documents)

# 使用 HyDE 查询转换运行查询
query_str = "what did paul graham do after going to RISD"
hyde = HyDEQueryTransform(include_original=True)
query_engine = index.as_query_engine()
query_engine = TransformQueryEngine(query_engine, query_transform=hyde)
response = query_engine.query(query_str)
print(response)

请查看我们的示例笔记本以获取完整的演示。

多步查询转换

多步查询转换是对现有单步查询转换方法的概括。

给定一个初始的复杂查询，对查询进行转换并在索引中执行。从查询中检索响应。 给定响应（以及先前的响应）和查询，还可以针对索引提出后续问题。此技术允许对单个知识源运行查询，直到该查询满足所有问题。

下面显示了一个示例图像。

以下是相应的示例代码片段。

from llama_index.core.indices.query.query_transform.base import (
    StepDecomposeQueryTransform,
)

# gpt-4
step_decompose_transform = StepDecomposeQueryTransform(llm, verbose=True)

query_engine = index.as_query_engine()
query_engine = MultiStepQueryEngine(
    query_engine, query_transform=step_decompose_transform
)

response = query_engine.query(
    "Who was in the first batch of the accelerator program the author started?",
)
print(str(response))

请查看我们的示例笔记本以获取完整的演示。

• HyDE 查询转换
• 多步查询