Vespa

Vespa 是一个功能齐全的搜索引擎和向量数据库。它支持向量搜索 (ANN)、词法搜索和结构化数据搜索，所有这些都可以在同一个查询中进行。

这个笔记本展示了如何使用 Vespa.ai 作为 LangChain 的检索器。

为了创建一个检索器，我们使用 pyvespa 来创建与 Vespa 服务的连接。

#!pip install pyvespa

from vespa.application import Vespa

vespa_app = Vespa(url="https://doc-search.vespa.oath.cloud")

这将创建一个与 Vespa 服务的连接，这里是 Vespa 文档搜索服务。 使用 pyvespa 包，你还可以连接到一个 Vespa 云实例 或一个本地 Docker 实例。

连接到服务后，你可以设置检索器：

from langchain.retrievers.vespa_retriever import VespaRetriever

vespa_query_body = {
    "yql": "select content from paragraph where userQuery()",
    "hits": 5,
    "ranking": "documentation",
    "locale": "en-us",
}
vespa_content_field = "content"
retriever = VespaRetriever(vespa_app, vespa_query_body, vespa_content_field)

这将设置一个从 Vespa 应用程序中获取文档的 LangChain 检索器。 在这里，从 paragraph 文档类型的 content 字段中最多检索 5 个结果，使用 documentation 作为排序方法。userQuery() 被实际查询从 LangChain 传递过来所替代。

更多信息请参考 pyvespa 文档。

现在你可以返回结果并继续在 LangChain 中使用这些结果。

retriever.get_relevant_documents("what is vespa?")