Skip to main content

rag-aws-kendra

这个模板是一个应用程序，利用了Amazon Kendra，一个机器学习驱动的搜索服务，和Anthropic Claude用于文本生成。该应用程序使用检索链来检索文档，以回答来自文档的问题。

它使用boto3库与Bedrock服务进行连接。

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

环境设置​

请确保设置和配置boto3以与您的AWS账户配合使用。

您可以按照这里的指南进行操作。

在使用此模板之前，您还应该设置好Kendra索引。

您可以使用此Cloudformation模板创建一个示例索引。

其中包含了包含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，也可以使用您自己的Amazon Kendra索引。

需要设置以下环境变量：

  • AWS_DEFAULT_REGION - 这应该反映出正确的AWS区域。默认为us-east-1。
  • AWS_PROFILE - 这应该反映出您的AWS配置文件。默认为default。
  • KENDRA_INDEX_ID - 这应该是Kendra索引的索引ID。请注意，索引ID是一个包含36个字符的字母数字值，可以在索引详细信息页面中找到。

使用方法​

要使用此包，您首先应该安装LangChain CLI：

pip install -U langchain-cli

要创建一个新的LangChain项目并将其安装为唯一的包，可以执行以下操作：

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

如果要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、监视和调试LangChain应用程序。 LangSmith目前处于私有测试版，您可以在这里注册。 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LangServe实例：

langchain serve

这将在本地启动一个运行在http://localhost:8000的FastAPI应用程序的服务器。

我们可以在http://127.0.0.1:8000/docs上查看所有模板。 我们可以在http://127.0.0.1:8000/rag-aws-kendra/playground上访问playground。

我们可以通过以下代码访问模板：

from langserve.client import RemoteRunnable

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

=======

请将翻译结果返回给我。