Skip to main content

Weaviate自查询

创建Weaviate向量存储​

首先，我们需要创建一个Weaviate向量存储，并用一些数据填充它。 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lark（pip install lark）。我们还需要weaviate-client包。

#!pip install lark weaviate-client

from langchain.schema import Document
from langchain.embeddings.openai import OpenAIEmbeddings
from langchain.vectorstores import Weaviate
import os

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中的梦中的梦中，而《盗梦空间》重新使用了这个想法",
        metadata={"year": 2006, "director": "今敏", "rating": 8.6},
    ),
    Document(
        page_content="一群普通身材的女性非常纯真，一些男性对她们倾心",
        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 = Weaviate.from_documents(
    docs, embeddings, weaviate_url="http://127.0.0.1:8080"
)

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要描述的信息。

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了！

# 这个例子只指定了一个相关查询
retriever.get_relevant_documents("有关恐龙的电影有哪些")

query='dinosaur' filter=None limit=None

[Document(page_content='一群科学家带回恐龙，然后造成了混乱', metadata={'genre': '科幻', 'rating': 7.7, 'year': 1993}),
 Document(page_content='玩具们活了起来，并且玩得很开心', metadata={'genre': '动画', 'rating': None, 'year': 1995}),
 Document(page_content='三个人走进区域，三个人走出区域', metadata={'genre': '科幻', 'rating': 9.9, 'year': 1979}),
 Document(page_content='一位心理学家/侦探迷失在一系列梦中的梦中的梦中，而《盗梦空间》重新使用了这个想法', metadata={'genre': None, 'rating': 8.6, 'year': 2006})]
# 这个例子指定了查询和过滤器
retriever.get_relevant_documents("格蕾塔·葛韦格导演过关于女性的电影吗")
query='women' filter=Comparison(comparator=<Comparator.EQ: 'eq'>, attribute='director', value='Greta Gerwig') limit=None

[Document(page_content='一群普通身材的女性非常纯真，一些男性对她们倾心', metadata={'genre': None, 'rating': 8.3, 'year': 2019})]

过滤k​

我们还可以使用自查询检索器来指定k：要获取的文档数量。

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,
)
# 这个例子只指定了一个相关查询
retriever.get_relevant_documents("有关恐龙的两部电影")

query='dinosaur' filter=None limit=2

[Document(page_content='一群科学家带回恐龙，然后造成了混乱', metadata={'genre': '科幻', 'rating': 7.7, 'year': 1993}),
 Document(page_content='玩具们活了起来，并且玩得很开心', metadata={'genre': '动画', 'rating': None, 'year': 1995})]