Skip to main content

Chroma自查询

Chroma是一个用于构建嵌入式AI应用程序的数据库。

在笔记本中,我们将演示围绕Chroma向量存储器的SelfQueryRetriever

创建Chroma向量存储器

首先,我们需要创建一个Chroma向量存储器,并使用一些数据进行初始化。我们创建了一个包含电影摘要的小型演示文档集。

注意:自查询检索器需要您安装larkpip install lark)。我们还需要chromadb包。

#!pip install lark

#!pip install chromadb

我们想要使用OpenAIEmbeddings,因此我们需要获取OpenAI API密钥。

import os
import getpass

os.environ["OPENAI_API_KEY"] = getpass.getpass("OpenAI API Key:")
from langchain.schema import Document
from langchain.embeddings.openai import OpenAIEmbeddings
from langchain.vectorstores import Chroma

embeddings = OpenAIEmbeddings()

API参考:

docs = [
Document(
page_content="一群科学家带回恐龙,然后造成了混乱",
metadata={"year": 1993, "rating": 7.7, "genre": "科幻"},
),
Document(
page_content="莱昂纳多·迪卡普里奥迷失在一个梦中的梦中的梦中的...",
metadata={"year": 2010, "director": "克里斯托弗·诺兰", "rating": 8.2},
),
Document(
page_content="一位心理学家/侦探迷失在一系列梦境中,而《盗梦空间》重新利用了这个想法",
metadata={"year": 2006, "director": "今敏", "rating": 8.6},
),
Document(
page_content="一群普通尺寸的女性非常纯真,一些男性对她们产生了思念",
metadata={"year": 2019, "director": "格蕾塔·葛韦格", "rating": 8.3},
),
Document(
page_content="玩具们活了起来,并且玩得很开心",
metadata={"year": 1995, "genre": "动画"},
),
Document(
page_content="三个人走进区域,三个人走出区域",
metadata={
"year": 1979,
"rating": 9.9,
"director": "安德烈·塔可夫斯基",
"genre": "科幻",
"rating": 9.9,
},
),
]
vectorstore = Chroma.from_documents(docs, embeddings)

创建自查询检索器

现在我们可以实例化我们的检索器。为此,我们需要提供一些关于我们的文档支持的元数据字段以及文档内容的简短描述的信息。

from langchain.llms import OpenAI
from langchain.retrievers.self_query.base import SelfQueryRetriever
from langchain.chains.query_constructor.base import AttributeInfo

metadata_field_info = [
AttributeInfo(
name="genre",
description="电影的类型",
type="字符串或字符串列表",
),
AttributeInfo(
name="year",
description="电影的发行年份",
type="整数",
),
AttributeInfo(
name="director",
description="电影导演的姓名",
type="字符串",
),
AttributeInfo(
name="rating",
description="电影的评分(1-10)",
type="浮点数",
),
]
document_content_description = "电影的简要摘要"
llm = OpenAI(temperature=0)
retriever = SelfQueryRetriever.from_llm(
llm, vectorstore, document_content_description, metadata_field_info, verbose=True
)

API参考:

测试

现在我们可以尝试使用我们的检索器!

# 仅指定相关查询
retriever.get_relevant_documents("有关恐龙的电影有哪些")
# 仅指定过滤器
retriever.get_relevant_documents("我想看一部评分高于8.5的电影")
# 指定查询和过滤器
retriever.get_relevant_documents("格蕾塔·葛韦格导演过关于女性的电影吗")
# 指定复合过滤器
retriever.get_relevant_documents(
"有没有一部评分很高(超过8.5)的科幻电影?"
)
# 指定查询和复合过滤器
retriever.get_relevant_documents(
"1990年后但2005年前的关于玩具的电影,最好是动画片"
)

过滤k

我们还可以使用自查询检索器来指定要获取的文档数量k

我们可以通过将enable_limit=True传递给构造函数来实现这一点。

retriever = SelfQueryRetriever.from_llm(
llm,
vectorstore,
document_content_description,
metadata_field_info,
enable_limit=True,
verbose=True,
)
# 仅指定相关查询
retriever.get_relevant_documents("有关恐龙的两部电影")