Skip to main content

rag-opensearch

这个模板使用OpenSearch执行RAG。

环境设置​

设置以下环境变量。

  • OPENAI_API_KEY - 用于访问OpenAI嵌入和模型。

如果不使用默认值，还可以选择设置OpenSearch的环境变量：

  • OPENSEARCH_URL - 托管的OpenSearch实例的URL
  • OPENSEARCH_USERNAME - OpenSearch实例的用户名
  • OPENSEARCH_PASSWORD - OpenSearch实例的密码
  • OPENSEARCH_INDEX_NAME - 索引的名称

要在docker中运行默认的OpenSeach实例，可以使用以下命令：

docker run -p 9200:9200 -p 9600:9600 -e "discovery.type=single-node" --name opensearch-node -d opensearchproject/opensearch:latest

注意：要加载名为langchain-test的虚拟索引和虚拟文档，请在包中运行python dummy_index_setup.py。

使用方法​

要使用此包，首先应安装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-opensearch

如果要将其添加到现有项目中，只需运行：

langchain app add rag-opensearch

并将以下代码添加到您的server.py文件中：

from rag_opensearch import chain as rag_opensearch_chain

add_routes(app, rag_opensearch_chain, path="/rag-opensearch")

（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，您可以在此处注册。 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FastAPI应用程序，服务器正在运行在 http://localhost:8000

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-opensearch/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-opensearch")