rag-matching-engine

此模板使用 Google Cloud Platform 的 Vertex AI 和匹配引擎执行 RAG。

它将利用先前创建的索引，根据用户提供的问题检索相关文档或上下文。

环境设置

在运行代码之前，应创建一个索引。

创建此索引的过程可以在这里找到。

应设置 Vertex 的环境变量：

PROJECT_ID
ME_REGION
GCS_BUCKET
ME_INDEX_ID
ME_ENDPOINT_ID

要使用此包，您应该首先安装 LangChain CLI：

pip install -U langchain-cli

要创建一个新的 LangChain 项目并将其作为唯一包安装，您可以执行：

langchain app new my-app --package rag-matching-engine

如果您想将其添加到现有项目中，只需运行：

langchain app add rag-matching-engine

并将以下代码添加到您的 server.py 文件中：

from rag_matching_engine import chain as rag_matching_engine_chain

add_routes(app, rag_matching_engine_chain, path="/rag-matching-engine")

（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。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方式启动 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-matching-engine")

有关如何连接到模板的更多详细信息，请参考 Jupyter notebook rag_matching_engine。