rag-google-cloud-vertexai-search
此模板是一个应用程序，利用了 Google Vertex AI Search，这是一个基于机器学习的搜索服务，以及 PaLM 2 for Chat (chat-bison)。该应用程序使用检索链根据您的文档回答问题。
有关使用 Vertex AI Search 构建 RAG 应用程序的更多背景信息，请查看 这里。
环境设置
在使用此模板之前，请确保您已通过 Vertex AI Search 进行身份验证。请参阅身份验证指南：这里。
您还需要创建：
适合测试该模板的数据集是 Alphabet 财报，您可以在 这里 找到。数据也可以在 gs://cloud-samples-data/gen-app-builder/search/alphabet-investor-pdfs 获取。
设置以下环境变量：
GOOGLE_CLOUD_PROJECT_ID- 您的 Google Cloud 项目 ID。DATA_STORE_ID- Vertex AI Search 中数据存储的 ID，这是一个 36 字符的字母数字值，可以在数据存储详细信息页面找到。MODEL_TYPE- Vertex AI Search 的模型类型。
使用方法
要使用此包，您首先需要安装 LangChain CLI：
pip install -U langchain-cli
要创建一个新的 LangChain 项目并将此包作为唯一的包安装，您可以执行：
langchain app new my-app --package rag-google-cloud-vertexai-search
如果您想将其添加到现有项目中，只需运行：
langchain app add rag-google-cloud-vertexai-search
并将以下代码添加到您的 server.py 文件中：
from rag_google_cloud_vertexai_search.chain import chain as rag_google_cloud_vertexai_search_chain
add_routes(app, rag_google_cloud_vertexai_search_chain, path="/rag-google-cloud-vertexai-search")
（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。 您可以在 这里 注册 LangSmith。 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，则可以直接通过以下命令启动 LangServe 实例：
langchain serve
这将启动 FastAPI 应用程序，服务器在本地运行于 http://localhost:8000
我们可以在 http://127.0.0.1:8000/docs 查看所有模板。 我们可以访问游乐场 在 http://127.0.0.1:8000/rag-google-cloud-vertexai-search/playground
我们可以通过代码访问模板：
from langserve.client import RemoteRunnable
runnable = RemoteRunnable("http://localhost:8000/rag-google-cloud-vertexai-search")