松鼠松果

这个模板使用松鼠和OpenAI进行RAG。

环境设置

这个模板使用松鼠作为向量存储，并需要设置PINECONE_API_KEY、PINECONE_ENVIRONMENT和PINECONE_INDEX。

设置OPENAI_API_KEY环境变量以访问OpenAI模型。

使用方法

要使用这个包，你首先需要安装LangChain CLI：

pip install -U langchain-cli

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

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

如果要将其添加到现有项目中，只需运行：

langchain app add rag-pinecone

并将以下代码添加到你的server.py文件中：

from rag_pinecone import chain as rag_pinecone_chain

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

（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。 LangSmith目前处于私有测试版，你可以在这里注册。 如果你没有访问权限，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"

如果你在此目录中，则可以直接启动LangServe实例：

langchain serve

这将在本地启动FastAPI应用程序的服务器，地址为 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-pinecone/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-pinecone")

=======