知识库 Weaviate

请按照 Weaviate 设置指南 中的步骤来设置 Weaviate。

设置

安装 weaviate 包

pip install weaviate-client

运行 weaviate

docker run -d \
-p 8080:8080 \
-p 50051:50051 \
--name weaviate \
cr.weaviate.io/semitechnologies/weaviate:1.28.4

或者

./cookbook/scripts/run_weaviate.sh

示例

agent_with_knowledge.py

from agno.agent import Agent
from agno.knowledge.pdf_url import PDFUrlKnowledgeBase
from agno.vectordb.search import SearchType
from agno.vectordb.weaviate import Distance, VectorIndex, Weaviate

vector_db = Weaviate(
    collection="recipes",
    search_type=SearchType.hybrid,
    vector_index=VectorIndex.HNSW,
    distance=Distance.COSINE,
    local=True,  # 如果使用 Weaviate Cloud，请设置为 False；如果使用本地实例，请设置为 True
)
# 创建知识库
knowledge_base = PDFUrlKnowledgeBase(
    urls=["https://agno-public.s3.amazonaws.com/recipes/ThaiRecipes.pdf"],
    vector_db=vector_db,
)
knowledge_base.load(recreate=False)  # 首次运行时注释此行

# 创建并使用 Agent
agent = Agent(
    knowledge=knowledge_base,
    search_knowledge=True,
    show_tool_calls=True,
)
agent.print_response("How to make Thai curry?", markdown=True)

异步支持 ⚡

Weaviate 也支持异步操作，可实现并发并提高性能。

async_weaviate_db.py

import asyncio

from agno.agent import Agent
from agno.knowledge.pdf_url import PDFUrlKnowledgeBase
from agno.vectordb.search import SearchType
from agno.vectordb.weaviate import Distance, VectorIndex, Weaviate

vector_db = Weaviate(
    collection="recipes_async",
    search_type=SearchType.hybrid,
    vector_index=VectorIndex.HNSW,
    distance=Distance.COSINE,
    local=True,  # 如果使用 Weaviate Cloud，请设置为 False；如果使用本地实例，请设置为 True
)

# 创建知识库
knowledge_base = PDFUrlKnowledgeBase(
    urls=["https://agno-public.s3.amazonaws.com/recipes/ThaiRecipes.pdf"],
    vector_db=vector_db,
)

agent = Agent(
    knowledge=knowledge_base,
    search_knowledge=True,
    show_tool_calls=True,
)

if __name__ == "__main__":
    # 首次运行时注释此行
    asyncio.run(knowledge_base.aload(recreate=False))

    # 创建并使用 Agent
    asyncio.run(agent.aprint_response("How to make Tom Kha Gai", markdown=True))

Weaviate 的异步功能利用 WeaviateAsyncClient 来提供非阻塞向量操作。这对于需要高并发和吞吐量的应用程序特别有价值。

Weaviate 参数

参数	类型	描述	默认值
wcd_url	Optional[str]	Weaviate Cloud URL (或使用 WCD_URL 环境变量)	None
wcd_api_key	Optional[str]	Weaviate Cloud API 密钥 (或使用 WCD_API_KEY 环境变量)	None
client	Optional[weaviate.WeaviateClient]	已预先配置的 Weaviate 客户端	None
local	bool	是否使用本地的 Weaviate 实例	False
collection	str	Weaviate 集合的名称	"default"
vector_index	VectorIndex	向量索引的类型 (HNSW, FLAT, DYNAMIC)	VectorIndex.HNSW
distance	Distance	距离度量 (COSINE, DOT, 等)	Distance.COSINE
embedder	Optional[Embedder]	用于生成嵌入的 Embedder	OpenAIEmbedder()
search_type	SearchType	搜索类型 (向量, 关键字, 混合)	SearchType.vector
reranker	Optional[Reranker]	用于优化搜索结果的 Reranker	None
hybrid_search_alpha	float	混合搜索的权重因子	0.5

开发者资源

• 查看 Cookbook (同步)
• 查看 Cookbook (异步)