rag-redis
此模板使用 Redis（向量数据库）和 OpenAI（LLM）对 Nike 的财务 10k 申报文件执行 RAG。
它依赖于句子转换器 all-MiniLM-L6-v2 来嵌入 pdf 的片段和用户问题。
环境设置
设置 OPENAI_API_KEY 环境变量以访问 OpenAI 模型：
export OPENAI_API_KEY= <YOUR OPENAI API KEY>
设置以下 Redis 环境变量：
export REDIS_HOST = <YOUR REDIS HOST>
export REDIS_PORT = <YOUR REDIS PORT>
export REDIS_USER = <YOUR REDIS USER NAME>
export REDIS_PASSWORD = <YOUR REDIS PASSWORD>
支持的设置
我们使用多种环境变量来配置此应用程序
| 环境变量 | 描述 | 默认值 |
|---|---|---|
DEBUG | 启用或禁用 Langchain 调试日志 | True |
REDIS_HOST | Redis 服务器的主机名 | "localhost" |
REDIS_PORT | Redis 服务器的端口 | 6379 |
REDIS_USER | Redis 服务器的用户 | "" |
REDIS_PASSWORD | Redis 服务器的密码 | "" |
REDIS_URL | 连接 Redis 的完整 URL | None，如果未提供，则根据用户、密码、主机和端口构建 |
INDEX_NAME | 向量索引的名称 | "rag-redis" |
使用方法
要使用此包，您首先需要在 Python 虚拟环境中安装 LangChain CLI 和 Pydantic：
pip install -U langchain-cli pydantic==1.10.13
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-redis
如果您想将其添加到现有项目中，可以直接运行：
langchain app add rag-redis
并将以下代码片段添加到您的 app/server.py 文件中：
from rag_redis.chain import chain as rag_redis_chain
add_routes(app, rag_redis_chain, path="/rag-redis")
（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/rag-redis/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/rag-redis")