松鼠松鼠重新排序

此模板使用Pinecone和OpenAI执行RAG，并使用Cohere执行重新排序返回的文档。

重新排序提供了一种使用指定的过滤器或标准对检索到的文档进行排序的方法。

环境设置

此模板使用Pinecone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。

设置COHERE_API_KEY环境变量以访问Cohere ReRank。

要使用此软件包，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软件包，可以执行以下操作：

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

如果要将其添加到现有项目中，只需运行：

langchain app add rag-pinecone-rerank

并将以下代码添加到您的server.py文件中：

from rag_pinecone_rerank import chain as rag_pinecone_rerank_chain

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

（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

这将启动FastAPI应用程序，服务器在本地运行，地址为 http://localhost:8000

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-rerank")

=======