rag-aws-kendra

此模板是一个应用程序，利用了 Amazon Kendra 这一机器学习驱动的搜索服务，以及 Anthropic Claude 进行文本生成。该应用程序使用检索链从您的文档中检索文档以回答问题。

它使用 boto3 库与 Bedrock 服务连接。

有关使用 Amazon Kendra 构建 RAG 应用程序的更多背景，请查看此页面。

环境设置

请确保设置并配置 boto3 以便与您的 AWS 账户配合使用。

您可以按照此处的指南进行操作。

在使用此模板之前，您还应该设置一个 Kendra 索引。

您可以使用此 Cloudformation 模板来创建一个示例索引。

这包括包含 Amazon Kendra、Amazon Lex 和 Amazon SageMaker 的 AWS 在线文档的示例数据。或者，如果您已经对自己的数据集进行了索引，您也可以使用自己的 Amazon Kendra 索引。

需要设置以下环境变量：

AWS_DEFAULT_REGION - 这应该反映正确的 AWS 区域。默认值为 us-east-1。
AWS_PROFILE - 这应该反映您的 AWS 配置文件。默认值为 default。
KENDRA_INDEX_ID - 这应该包含 Kendra 索引的索引 ID。请注意，索引 ID 是一个 36 个字符的字母数字值，可以在索引详细信息页面找到。

要使用此包，您首先需要安装 LangChain CLI：

pip install -U langchain-cli

要创建一个新的 LangChain 项目并将其作为唯一包安装，您可以执行：

langchain app new my-app --package rag-aws-kendra

如果您想将其添加到现有项目中，只需运行：

langchain app add rag-aws-kendra

并将以下代码添加到您的 server.py 文件中：

from rag_aws_kendra.chain import chain as rag_aws_kendra_chain

add_routes(app, rag_aws_kendra_chain, path="/rag-aws-kendra")

（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。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

这将启动一个 FastAPI 应用程序，服务器在本地运行，地址为 http://localhost:8000

我们可以通过代码访问模板：

from langserve.client import RemoteRunnable

runnable = RemoteRunnable("http://localhost:8000/rag-aws-kendra")