quickstart rag python

使用MongoDB和LLM框架的語義搜索

文章鏈接

介紹

這個Python項目使用MongoDB和兩個不同的LLM框架展示了語義搜索： Langchain和Llamaindex 。目的是從MongoDB加載文檔，生成文本數據的嵌入式文檔，並使用Langchain和LlamainDex Frameworks進行語義搜索。

環境變量

要運行此項目，您需要在.env文件中設置以下環境變量：

 OPENAI_API_KEY = YOUR_OPENAI_API_KEY
MONGODB_URI = YOUR_MONGODB_CONNECTION_URI
MONGODB_COLL = YOUR_MONGODB_COLLECTION
MONGODB_VECTOR_INDEX = YOUR_MONGODB_VECTOR_INDEX
MONGODB_VECTOR_COLL_LANGCHAIN = YOUR_MONGODB_VECTOR_COLLECTION_LANGCHAIN
MONGODB_VECTOR_COLL_LLAMAINDEX = YOUR_MONGODB_VECTOR_COLLECTION_LLAMAINDEX

確保用實際的API鍵和連接詳細信息替換佔位符值。

設定

安裝依賴項：

 pip install -r requirements.txt

項目概述

1。加載文檔

該項目從指定的MongoDB Collection（ MONGODB_COLL ）加載文檔。確保您的MongoDB集合包含要執行語義搜索的文本數據。

2。生成嵌入

該應用程序使用Langchain和Llamaindex框架生成了加載文本數據的嵌入式。嵌入式存儲在單獨的MongoDB集合中（ MONGODB_VECTOR_COLL_LANGCHAIN和MONGODB_VECTOR_COLL_LLAMAINDEX ）。

3。語義搜索

語義搜索是使用Langchain和Llamaindex框架進行的。該過程涉及根據提示的語義相似性查詢嵌入式集合併檢索相關文檔。

附加信息

使用外部語言模型（例如OpenAI的GPT）嵌入生成所需的OPENAI_API_KEY是必需的。確保適當地配置MongoDB連接詳細信息和收集。檢查官方文檔中是否有Langchain和LlamainDex，以獲取任何其他配置或使用詳細信息。

參考

• ATLAS矢量搜索：鏈接到MongoDB Atlas Vector搜索
• Langchain：鏈接到Langchain文檔
• Llamaindex：鏈接到LlamainDex文檔