本文将基于 LangChain 实现一个 mini 的实战案例。这次实战主要完成的任务，就是设计一个测试答疑助手，这个测试答疑助手的主要功能为基于本地的文档和数据，回答给出的自然语言问题，比如一些数据的统计，查找、组合。

示例使用数据

测试用例文档
设计文档
需求文档

实践演练

实战设计思路

安装依赖

安装依赖 chromadb，chromadb是一个简单快捷的向量数据库，为了减少对embedding模型的请求次数，设置数据保存的物理位置，这样多次运行代码也不会重复请求模型转换向量:

pip install chromadb

embedding：相当于一个“桥梁” —— 翻译：把图片，文字，视频以及音频全部转换为数字，并且包含了数据的信息，使得大模型都能”懂“，能利用这些数字去做训练和推理。
向量：向量本身是一组数字，但是在几何上，向量的各个数字组成了多维的数组空间，向量的每个维度代表该空间的·一个不同的特征或者属性。
向量数据库：专门用于存储和管理向量数据的数据库，能对向量数据进行高效的操作。

代码实现

通过环境变量设置API Token，以及相关依赖的导入:

# 一些LangChain的依赖导入  
from langchain.chat_models import ChatOpenAI  
from langchain.embeddings import OpenAIEmbeddings  
from langchain.text_splitter import MarkdownHeaderTextSplitter  
from langchain.vectorstores import Chroma  
# 加载openai 的 API Tokenfrom utils.data_load import get_auth  
# 通过环境变量设置API Token，因为代码中的部分模型调用实例无法直接传递参数，需要通过环境变量设置的方式将token传递给自动构建的OpenAI请求  
import os  
os.environ['OPENAI_API_KEY'] = 'open_ai_token'
os.environ['OPENAI_API_BASE'] = 'open_ai_url'

2.处理源文档，将其切片处理:

# 定义一个函数，用于加载本地文件中的文本  
def load_text_from_file(path: str) -> str:  
    return open(path, encoding='utf-8').read()  
#  根据测试用例文档中的结构，定义一个MarkdownHeaderTextSplitter实例，用于将markdown文档切分为文本片段，方便后续embedding处理和向量数据库的构建  
testcase_splitter = MarkdownHeaderTextSplitter(headers_to_split_on=[("##", "模块名称"), ("###", "用例名称")])  
docs = testcase_splitter.split_text(load_text_from_file(path="docs/测试用例.md"))  
# 同样处理设计文档，因为设计文档中的结构与测试用例文档不一致，所以要新定义一个MarkdownHeaderTextSplitter实例  
design_splitter = MarkdownHeaderTextSplitter(headers_to_split_on=[("##", "功能名称"), ("###", "模块名称")])  
docs += design_splitter.split_text(load_text_from_file(path="docs/设计文档.md"))  
# 同理，处理需求文档  
prd_splitter = MarkdownHeaderTextSplitter(headers_to_split_on=[("###", "功能名称")])  
docs += prd_splitter.split_text(load_text_from_file(path="docs/需求文档.md"))  
# 将切分后的文本片段输出，可以查看切分结果，和里面附带的数据信息  
for doc in docs:  
    print(doc)

3.如果数据存在，则加载使用，如果不存在，则写入：

persist_directory = 'chroma'
# 读取数据
if os.path.isdir(persist_directory):  
    vectordb = Chroma(persist_directory=persist_directory, embedding_function=OpenAIEmbeddings())  
else:  
    # 将切分后的数据，通过OpenAIEmbeddings实例，转换为向量数据，
    # 并保存到向量数据库中，持久化到本地指定目录下  
    vectordb = Chroma.from_documents(  
        documents=docs,  
        embedding=OpenAIEmbeddings(),  
        persist_directory=persist_directory  
    )

4.将向量数据库中检索到的文本片段以及提示词组成为 prompt，向大模型获取返回信息:

# 设定最终提出的问题  
question = "问题：请统计出用户注册用例中，用到的所有用户名、密码、电子邮箱数据，并将它们列成一个表格"  
# 从向量数据库中找到相似度最高的k条文本片段数据  
answer_docs = vectordb.similarity_search(query=question, k=4)  
# ChatGPT3.5大模型调用实例  
llm = ChatOpenAI(temperature=0.0)  
# 将向量数据库中检索到的文本片段组装成字符串，作为输入的数据源  
resource_doc = "".join([chunk.page_content for chunk in answer_docs])  
# 将数据源字符串和问题组装成最终请求大模型的字符串  
final_llm_text = f"{resource_doc} {question}"  
# 通过大模型获取字符串的回答信息  
response = llm.call_as_llm(message=final_llm_text)  
print(f"回答结果：\n{response}")

基于需求文档、设计文档、测试用例的测试答疑助手

示例使用数据

实践演练

实战设计思路

安装依赖

代码实现

运行结果示例

推荐学习