RankLLMRerank#
- class langchain_community.document_compressors.rankllm_rerank.RankLLMRerank[source]#
-
使用Flashrank接口的文档压缩器。
通过解析和验证来自关键字参数的输入数据来创建一个新模型。
如果输入数据无法验证以形成有效模型，则引发 [ValidationError][pydantic_core.ValidationError]。
self 被显式地设为仅位置参数，以允许 self 作为字段名称。
- param client: Any = None#
用于压缩文档的RankLLM客户端
- param gpt_model: str = 'gpt-3.5-turbo'#
OpenAI 模型名称。
- param model: str = 'zephyr'#
用于重新排序的模型名称。
- param step_size: int = 10#
移动滑动窗口的步长。
- param top_n: int = 3#
返回前N个文档。
- async acompress_documents(documents: Sequence[Document], query: str, callbacks: list[BaseCallbackHandler] | BaseCallbackManager | None = None) Sequence[Document]#
根据查询上下文异步压缩检索到的文档。
- Parameters:
documents (Sequence[Document]) – 检索到的文档。
query (str) – 查询上下文。
callbacks (list[BaseCallbackHandler] | BaseCallbackManager | None) – 在压缩过程中运行的可选回调函数。
- Returns:
压缩的文档。
- Return type:
序列[文档]
- compress_documents(documents: Sequence[Document], query: str, callbacks: list[BaseCallbackHandler] | BaseCallbackManager | None = None) Sequence[Document][source]#
根据查询上下文压缩检索到的文档。
- Parameters:
documents (Sequence[Document]) – 检索到的文档。
query (str) – 查询上下文。
callbacks (list[BaseCallbackHandler] | BaseCallbackManager | None) – 在压缩过程中运行的可选回调函数。
- Returns:
压缩的文档。
- Return type:
序列[文档]
使用 RankLLMRerank 的示例