【2024最全最细Lanchain教程-7】Langchain数据增强之词嵌入、存储和检索_2024最全最细langechain

【2024最全最细Langchain教程-6 】Langchain数据增强之加载、转换-CSDN博客

词嵌入和存储

        上一节课我们已经完成了数据的加载和转换，下面我们来看数据的词嵌入和存储是如何做的，我们来看代码：

import os
 
from langchain.vectorstores import Chroma 
from langchain_openai import OpenAIEmbeddings
 
api_key = os.getenv("OPENAI_API_KEY")
 
vectorstore = Chroma.from_documents(
    pages_splitter,
    embedding=OpenAIEmbeddings(openai_api_key=api_key,base_url = "https://apejhvxcd.cloud.sealos.io/v1"),
)
 
query = "需求总体思路是什么？"
docs = vectorstore.similarity_search(query)
print(docs[0].page_content)

        词的嵌入和存储基本上是在一步里面就可以完成的，首先引入向量数据库Chroma：

from langchain.vectorstores import Chroma 

        引入openai的词向量工具，你也可以引入其他词向量工具，能找到很多：

from langchain_openai import OpenAIEmbeddings

        然后构造一个Chroma向量数据库，将上一节课我们已经做好切分的pages_splitter传入，将词向量工具embedding传入，这样就构造出来了一个向量数据库，可以使用向量数据库的similarity_search方法进行向量搜索，就是寻找向量数据库里和查询问题语义最相近的向量值并返回结果，可以得到查询结果：

一个完整的加载、转换、词嵌入、存储和检索过程

        我们来看一个完整的数据增强业务过程，首先是引入所需的向量数据库和其他依赖库：

import os
 
 #这个向量数据库有bug
# from langchain_community.vectorstores import DocArrayInMemorySearch
 
#换一个新的数据库， pip install chromadb
from langchain.vectorstores import Chroma 
 
from langchain_core.output_parsers import StrOutputParser
from langchain_core.prompts import ChatPromptTemplate
from langchain_core.runnables import RunnableParallel, RunnablePassthrough
 
#这里不写chat_models ,直接从langchain_openai里调ChatOpenAI也OK
from langchain_openai import ChatOpenAI
from langchain_openai.embeddings import OpenAIEmbeddings
api_key = os.getenv("OPENAI_API_KEY")

        这里要注意一下，langchain官网上给的DocArrayInMemorySearch 这向量数据库在实际应用里是有问题的，我把官网的案例给替换成了chromadb，效果是一样的。

vectorstore = Chroma.from_texts(
    ["harrison worked at kensho", "bears like to eat honey","jerry likes jenny","today is a good day"],
    OpenAIEmbeddings(base_url = "https://apejhvxcd.cloud.sealos.io/v1"),
)
 
retriever = vectorstore.as_retriever()

        本文上面的那个例子里，我们用的是from_documents方法，加载的是文件，这里我们使用from_texts方法，加载一组字符串，然后还是用openai的向量工具做embedding词嵌入，然后我们使用as_retriever()这个方法构造了一个检索器 retriever。下面我们看看这个retriever怎么用：

template = """Answer the question based only on the following context:
{context}
Question: {question}
"""
 
prompt = ChatPromptTemplate.from_template(template)
model = ChatOpenAI(openai_api_key=api_key,temperature=0.8)
output_parser = StrOutputParser()
 
setup_and_retrieval = RunnableParallel(
    {"context": retriever, "question": RunnablePassthrough()}
)
 
chain = setup_and_retrieval | prompt | model | output_parser
 
response = chain.invoke("where did harrison work?")
 
print(response)

        如何构建一个chain我们已经很熟了，之前的课程都已经讲过了，具体可以参考：【2024最全最细Langchain教程-5 】Langchain模型I/O之输出解析器-CSDN博客

唯一不一样的就是我们设置了一个检索器，而且是把这个检索器放在了一个并行方法RunnableParallel 里，RunnableParallel的输入呢是一个字典，里面有两个键值对，一个是context就是需要检索的内容，这里我们是用刚才我们构造的检索器retriever来获取；一个是question就是提出的问题，提出的问题是用RunnablePassthrough()来占位的，标识这个的输入是从模型的其他组件而来，这里只是占位。我们来看下代码运行的效果：

        我们的问题是："where did harrison work?"

        我们检索的数据是：

        ["harrison worked at kensho", "bears like to eat honey","jerry likes jenny","today is a good day"]

        我们获得结果：

        这个过程可以简单的描述为，我们将四条事实向量化存储进了数据库，然后我们提了一个问题，langchain将向量化的数据库以检索器的形式和问题（同样向量化）一并送给了大模型进行匹配，大模型通过向量搜索发现针对我们的问题，“harrison worked at kensho”这条数据的相似度是最高的，他依据这条匹配结果正确地回答了我们的问题

本教学演示代码已上传github: https://github.com/jerry1900/jupyter

本教学有B站视频，欢迎大家捧场：【2024最全最细】langchain之数据增强RAG介绍（二）_哔哩哔哩_bilibili