rag-pinecone-rerank

此模板使用 Pinecone 和 OpenAI 执行 RAG，并结合 Cohere 进行重排序对返回的文档进行处理。

重排序提供了一种使用指定过滤器或标准对检索到的文档进行排名的方法。

环境设置

此模板使用 Pinecone 作为向量存储，并要求设置 PINECONE_API_KEY、PINECONE_ENVIRONMENT 和 PINECONE_INDEX。

设置 OPENAI_API_KEY 环境变量以访问 OpenAI 模型。

设置 COHERE_API_KEY 环境变量以访问 Cohere ReRank。

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 项目并将此包作为唯一包安装，您可以执行：

langchain app new my-app --package rag-pinecone-rerank

如果您想将其添加到现有项目中，只需运行：

langchain app add rag-pinecone-rerank

并将以下代码添加到您的 server.py 文件中：

from rag_pinecone_rerank import chain as rag_pinecone_rerank_chain

add_routes(app, rag_pinecone_rerank_chain, path="/rag-pinecone-rerank")

（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，则可以直接通过以下方式启动 LangServe 实例：

langchain serve

这将启动 FastAPI 应用程序，服务器在本地运行于 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-pinecone-rerank")