LangChain

Vespa.ai作为LangChain检索器

本笔记展示了如何使用Vespa.ai作为LangChain检索器。 Vespa.ai是一个高效的结构化文本和向量搜索平台。更多信息请参见Vespa.ai (opens in a new tab)。

为了创建一个检索器，我们使用pyvespa (opens in a new tab)来创建到Vespa服务的连接。

from vespa.application import Vespa
 
vespa_app = Vespa(url="https://doc-search.vespa.oath.cloud")

这将创建一个连接到Vespa服务的连接，这里是Vespa文档搜索服务。使用pyvespa，您还可以连接到 Vespa Cloud实例 (opens in a new tab) 或者本地 Docker实例 (opens in a new tab)。

连接到服务后，您可以设置检索器：

from langchain.retrievers.vespa_retriever import VespaRetriever
 
vespa_query_body = {
    "yql": "select content from paragraph where userQuery()",
    "hits": 5,
    "ranking": "documentation",
    "locale": "en-us"
}
vespa_content_field = "content"
retriever = VespaRetriever(vespa_app, vespa_query_body, vespa_content_field)

这里创建了一个LangChain检索器，从Vespa应用程序中获取文档。在此，最多从“段落”文档类型中的content字段中检索5个结果，使用doumentation作为排名方法。 userQuery()将替换为从LangChain传递而来的实际查询。

有关更多信息，请参阅pyvespa文档 (opens in a new tab)。

现在，您可以返回结果并继续在LangChain中使用这些结果。

retriever.get_relevant_documents("what is vespa?")

Vectorstore Retriever Weaviate Hybrid