rag-semi-structured

此模板在半结构化数据上执行RAG，例如包含文本和表格的PDF。

参见此烹饪书作为参考。

环境设置

设置 OPENAI_API_KEY 环境变量以访问 OpenAI 模型。

这使用 Unstructured 进行 PDF 解析，需要一些系统级别的软件包安装。

在 Mac 上，您可以使用以下命令安装必要的软件包：

brew install tesseract poppler

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包安装，您可以执行：

langchain app new my-app --package rag-semi-structured

如果您想将其添加到现有项目中，只需运行：

langchain app add rag-semi-structured

并将以下代码添加到您的 server.py 文件中：

from rag_semi_structured import chain as rag_semi_structured_chain

add_routes(app, rag_semi_structured_chain, path="/rag-semi-structured")

（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

我们可以通过以下代码访问模板：

from langserve.client import RemoteRunnable

runnable = RemoteRunnable("http://localhost:8000/rag-semi-structured")

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