DashVector Reader¶

如果您在colab上打开这个笔记本，您可能需要安装LlamaIndex 🦙。

In [ ]:

%pip install llama-index-readers-dashvector

%pip install llama-index-readers-dashvector

In [ ]:

!pip install llama-index

!pip install llama-index

In [ ]:

import logging
import sys
import os

logging.basicConfig(stream=sys.stdout, level=logging.INFO)
logging.getLogger().addHandler(logging.StreamHandler(stream=sys.stdout))

import logging import sys import os logging.basicConfig(stream=sys.stdout, level=logging.INFO) logging.getLogger().addHandler(logging.StreamHandler(stream=sys.stdout))

In [ ]:

api_key = os.environ["DASHVECTOR_API_KEY"]

api_key = os.environ["DASHVECTOR_API_KEY"]

In [ ]:

from llama_index.readers.dashvector import DashVectorReader

reader = DashVectorReader(api_key=api_key)

from llama_index.readers.dashvector import DashVectorReader reader = DashVectorReader(api_key=api_key)

In [ ]:

import numpy as np

# id_to_text_map指定了从DashVector中指定的ID到文本的映射。
id_to_text_map = {
    "id1": "文本块1",
    "id2": "文本块2",
}

# query_vector是查询向量的嵌入表示
query_vector = [n1, n2, n3, ...]

import numpy as np # id_to_text_map指定了从DashVector中指定的ID到文本的映射。 id_to_text_map = { "id1": "文本块1", "id2": "文本块2", } # query_vector是查询向量的嵌入表示 query_vector = [n1, n2, n3, ...]

In [ ]:

# 注意：必需的参数是index_name、id_to_text_map、vector。
# 另外，我们可以传递符合SQL语法的元数据过滤器。
# 有关更多详细信息，请参阅Python客户端：https://pypi.org/project/dashvector/。
documents = reader.load_data(
    collection_name="quickstart",
    id_to_text_map=id_to_text_map,
    top_k=3,
    vector=query_vector,
    filter="key = 'value'",
)

# 注意：必需的参数是index_name、id_to_text_map、vector。 # 另外，我们可以传递符合SQL语法的元数据过滤器。 # 有关更多详细信息，请参阅Python客户端：https://pypi.org/project/dashvector/。 documents = reader.load_data( collection_name="quickstart", id_to_text_map=id_to_text_map, top_k=3, vector=query_vector, filter="key = 'value'", )

创建索引¶

In [ ]:

from llama_index.core import ListIndex
from IPython.display import Markdown, display

index = ListIndex.from_documents(documents)

from llama_index.core import ListIndex from IPython.display import Markdown, display index = ListIndex.from_documents(documents)

In [ ]:

# 将日志级别设置为DEBUG，以获得更详细的输出
query_engine = index.as_query_engine()
response = query_engine.query("<query_text>")

# 将日志级别设置为DEBUG，以获得更详细的输出 query_engine = index.as_query_engine() response = query_engine.query("")

In [ ]:

display(Markdown(f"<b>{response}</b>"))

display(Markdown(f"{response}"))