LangChain 知识库

了解如何将 LangChain 检索器或向量存储用作知识库。

LangchainKnowledgeBase 允许我们将 LangChain 检索器或向量存储用作知识库。

用法

pip install langchain

langchain_kb.py

from agno.agent import Agent
from agno.knowledge.langchain import LangChainKnowledgeBase

from langchain.embeddings import OpenAIEmbeddings
from langchain.document_loaders import TextLoader
from langchain.text_splitter import CharacterTextSplitter
from langchain.vectorstores import Chroma

chroma_db_dir = "./chroma_db"


def load_vector_store():
    state_of_the_union = ws_settings.ws_root.joinpath("data/demo/state_of_the_union.txt")
    # -*- 加载文档
    raw_documents = TextLoader(str(state_of_the_union)).load()
    # -*- 将其拆分成块
    text_splitter = CharacterTextSplitter(chunk_size=1000, chunk_overlap=0)
    documents = text_splitter.split_documents(raw_documents)
    # -*- 为每个块嵌入向量并加载到向量存储中
    Chroma.from_documents(documents, OpenAIEmbeddings(), persist_directory=str(chroma_db_dir))


# -*- 获取向量数据库
db = Chroma(embedding_function=OpenAIEmbeddings(), persist_directory=str(chroma_db_dir))
# -*- 从向量存储创建检索器
retriever = db.as_retriever()

# -*- 从向量存储创建知识库
knowledge_base = LangChainKnowledgeBase(retriever=retriever)

agent = Agent(knowledge_base=knowledge_base, add_references_to_prompt=True)
conv.print_response("What did the president say about technology?")

参数

参数	类型	默认值	描述
loader	Optional[Callable]	None	LangChain 加载器。
vectorstore	Optional[Any]	None	LangChain 向量存储，用于创建检索器。
search_kwargs	Optional[dict]	None	使用 LangChain 向量存储创建检索器时的搜索 kwargs。
retriever	Optional[Any]	None	LangChain 检索器。

LangChainKnowledgeBase 是 AgentKnowledge 类的子类，拥有相同的参数。

开发者资源

• 查看 Cookbook