propositional-retrieval

此模板演示了Chen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hub上试用，引导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。您可以在proposal_chain.py中查看完整定义。

存储

在这个演示中，我们使用 RecursiveUrlLoader 对一篇简单的学术论文进行索引，并将所有检索器信息存储在本地（使用 chroma 和存储在本地文件系统上的 bytestore）。您可以在 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

通过运行以下命令创建索引：

poetry install
poetry run python propositional_retrieval/ingest.py

使用方法

要使用此包，您应该首先安装 LangChain CLI：

pip install -U langchain-cli

要创建一个新的 LangChain 项目并将此作为唯一的包安装，您可以执行：

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

如果您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您的 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、监视和调试 LangChain 应用程序。 您可以在 这里 注册 LangSmith。 如果您没有访问权限，可以跳过此部分。

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"

如果您在此目录中，则可以直接启动一个 LangServe 实例：

langchain serve

这将启动 FastAPI 应用程序，服务器在本地运行，地址为 http://localhost:8000

我们可以在 http://127.0.0.1:8000/docs 查看所有模板。 我们可以在 http://127.0.0.1:8000/propositional-retrieval/playground 访问游乐场。

我们可以通过代码访问模板：

from langserve.client import RemoteRunnable

runnable = RemoteRunnable("http://localhost:8000/propositional-retrieval")