命题检索

这个模板演示了陈等人提出的多向量索引策略，详见Dense X Retrieval: What Retrieval Granularity Should We Use?。该提示可以在此处尝试，指导一个LLM生成去上下文化的“命题”，这些命题可以被向量化以提高检索准确性。你可以在proposal_chain.py中看到完整的定义。

存储

在这个演示中，我们使用RecursiveUrlLoader索引了一篇简单的学术论文，并将所有的检索信息存储在本地（使用chroma和存储在本地文件系统上的bytestore）。你可以在storage.py中修改存储层。

环境设置

设置OPENAI_API_KEY环境变量以访问gpt-3.5和OpenAI Embeddings类。

索引

通过运行以下命令来创建索引：

poetry install
poetry run python propositional_retrieval/ingest.py

使用

要使用这个包，你首先应该安装LangChain CLI：

pip install -U langchain-cli

要创建一个新的LangChain项目并将其安装为唯一的包，你可以执行：

langchain app new my-app --package propositional-retrieval

如果你想将其添加到现有项目中，只需运行：

langchain app add propositional-retrieval

并将以下代码添加到你的server.py文件中：

from propositional_retrieval import chain
add_routes(app, chain, path="/propositional-retrieval")

（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，可以跳过这一部分

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"default"

如果你在这个目录中，你可以直接通过以下方式启动LangServe实例：

langchain serve

这将启动一个带有服务器的FastAPI应用程序，本地运行的服务器位于

http://localhost:8000

我们可以在http://127.0.0.1:8000/docs看到所有模板。

我们可以在http://127.0.0.1:8000/propositional-retrieval/playground访问playground。

我们可以通过以下代码从代码中访问模板：

from langserve.client import RemoteRunnable
runnable = RemoteRunnable("http://localhost:8000/propositional-retrieval")