rag-redis

这个模板使用Redis（向量数据库）和OpenAI（LLM）对Nike的财务10k文件进行RAG。

它依赖于句子转换器all-MiniLM-L6-v2来嵌入pdf的块和用户问题。

环境设置

设置OPENAI_API_KEY环境变量以访问OpenAI模型：

export OPENAI_API_KEY= <YOUR OPENAI API KEY>

设置以下Redis环境变量：

export REDIS_HOST = <YOUR REDIS HOST>
export REDIS_PORT = <YOUR REDIS PORT>
export REDIS_USER = <YOUR REDIS USER NAME>
export REDIS_PASSWORD = <YOUR REDIS PASSWORD>

支持的设置

我们使用各种环境变量来配置此应用程序

环境变量	描述	默认值
`DEBUG`	启用或禁用Langchain调试日志	True
`REDIS_HOST`	Redis服务器的主机名	"localhost"
`REDIS_PORT`	Redis服务器的端口	6379
`REDIS_USER`	Redis服务器的用户	""
`REDIS_PASSWORD`	Redis服务器的密码	""
`REDIS_URL`	连接到Redis的完整URL	`None`，如果未提供，则从用户、密码、主机和端口构建
`INDEX_NAME`	向量索引的名称	"rag-redis"

用法

要使用此包，您首先应该在Python虚拟环境中安装LangChain CLI和Pydantic：

pip install -U langchain-cli pydantic==1.10.13

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-redis

如果要将其添加到现有项目中，只需运行：

langchain app add rag-redis

并将以下代码片段添加到您的app/server.py文件中：

from rag_redis.chain import chain as rag_redis_chain

add_routes(app, rag_redis_chain, path="/rag-redis")

（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-redis/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-redis")

rag-redis

环境设置​

支持的设置​

用法​

环境设置

支持的设置

用法