[掌握Langchain中的查询分析：如何轻松应对无查询情况]

用户331287887593
76 阅读3分钟 
# 掌握Langchain中的查询分析：如何轻松应对无查询情况

在使用Langchain进行自然语言处理时，我们可能会遇到一种情况，即没有生成任何查询。在这种情况下，我们需要调整整体流程，以确保在调用检索器之前正确处理这种情况。本文将指导您如何利用Langchain的工具来处理这种情况，帮助您更好地使用Langchain进行开发。

## 引言

在许多自然语言处理应用中，查询分析是一个关键步骤。然而，查询分析技术可能生成任意数量的查询，包括一个也没有。当没有查询生成时，我们的处理链需要先分析结果，再决定是否调用检索器。本文将详细介绍如何设置和使用Langchain来处理这些情况。

## 主要内容

### 设置依赖

首先，需要安装必要的依赖项：
```bash
# Install dependencies
%pip install -qU langchain langchain-community langchain-openai langchain-chroma

设置环境变量

import getpass
import os

# 设置OpenAI API密钥
os.environ["OPENAI_API_KEY"] = getpass.getpass()

# 可选：用于LangSmith的运行追踪
# os.environ["LANGCHAIN_TRACING_V2"] = "true"
# os.environ["LANGCHAIN_API_KEY"] = getpass.getpass()

创建索引

我们将创建一个基于假信息的向量储存。

from langchain_chroma import Chroma
from langchain_openai import OpenAIEmbeddings

texts = ["Harrison worked at Kensho"]
embeddings = OpenAIEmbeddings(model="text-embedding-3-small")
vectorstore = Chroma.from_texts(texts, embeddings)
retriever = vectorstore.as_retriever()

查询分析

这是我们将使用的查询分析逻辑。

from typing import Optional
from langchain_core.pydantic_v1 import BaseModel, Field
from langchain_core.prompts import ChatPromptTemplate
from langchain_core.runnables import RunnablePassthrough
from langchain_openai import ChatOpenAI

class Search(BaseModel):
    query: str = Field(..., description="Similarity search query applied to job record.")

system = """You have the ability to issue search queries to get information to help answer user information.

You do not NEED to look things up. If you don't need to, then just respond normally."""
prompt = ChatPromptTemplate.from_messages([("system", system), ("human", "{question}")])
llm = ChatOpenAI(model="gpt-3.5-turbo-0125", temperature=0)
structured_llm = llm.bind_tools([Search])
query_analyzer = {"question": RunnablePassthrough()} | prompt | structured_llm

代码示例

下面是一个完整的例子，展示如何在代码中集成查询分析。

from langchain_core.output_parsers.openai_tools import PydanticToolsParser
from langchain_core.runnables import chain

output_parser = PydanticToolsParser(tools=[Search])

@chain
def custom_chain(question):
    response = query_analyzer.invoke(question)
    if "tool_calls" in response.additional_kwargs:
        query = output_parser.invoke(response)
        docs = retriever.invoke(query[0].query)  # 使用API代理服务提高访问稳定性
        return docs
    else:
        return response

# 测试示例
print(custom_chain.invoke("where did Harrison Work"))
print(custom_chain.invoke("hi!"))

常见问题和解决方案

  1. 没有生成查询时该怎么办？

    • 定义逻辑以检测查询缺失，并根据需要调整调用链，确保流程能正常执行。

  2. 如何处理API访问受限问题？

    • 考虑使用API代理服务来提升访问的稳定性。

总结和进一步学习资源

通过本文，您应该掌握了如何在Langchain中处理无查询情况。这种灵活的查询处理机制不仅提高了程序的健壮性，还能更好地响应用户请求。为了深入学习，您可以参考以下资源：

参考资料

  • Langchain 官方文档
  • OpenAI API 官方文档

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---
avatar
文章
阅读
粉丝