一、SelfQueryRetriever
SelfQueryRetriever（自查询检索器） 是 LangChain 中的一种高级检索器，它能够：
- 使用 LLM 自动理解用户的自然语言查询
- 将查询拆分为两部分：语义搜索部分 + 元数据过滤部分
- 自动构建过滤条件，实现精确的元数据过滤
二、有什么用
1. 解决的问题
普通向量检索只能做语义相似度匹配，无法根据元数据（如年份、评分、导演等）进行精确过滤。
2. 自查询检索器的优势
- ✅ 自动解析查询：用户用自然语言提问，系统自动提取过滤条件
- ✅ 混合检索：同时支持语义搜索 + 元数据过滤
- ✅ 灵活性强：无需手动编写复杂的过滤逻辑
3. 应用场景
- 电影推荐（按年份、评分、导演筛选）
- 产品搜索（按价格、品牌、类别筛选）
- 文档管理（按日期、作者、标签筛选）
三、核心代码示例
1. 准备带元数据的文档
from langchain_core.documents import Document
documents = [
Document(
page_content="肖申克的救赎",
metadata={"year": 1994, "rating": 9.7, "director": "弗兰克·德拉邦特"},
),
Document(
page_content="霸王别姬",
metadata={"year": 1993, "rating": 9.6, "director": "陈凯歌"},
),
# ... 更多文档
]
2. 定义元数据字段描述
from langchain_classic.chains.query_constructor.schema import AttributeInfo
metadata_field_info = [
AttributeInfo(name="year", description="电影的年份", type="integer"),
AttributeInfo(name="rating", description="电影的评分", type="float"),
AttributeInfo(name="director", description="电影的导演", type="string"),
]
3. 创建自查询检索器
from langchain_classic.retrievers import SelfQueryRetriever
from langchain_openai import ChatOpenAI
from langchain_pinecone import PineconeVectorStore
self_query_retriever = SelfQueryRetriever.from_llm(
llm=ChatOpenAI(model="moonshot-v1-8k", temperature=0),
vectorstore=db, # 向量数据库
document_contents="电影的名字", # 文档内容描述
metadata_field_info=metadata_field_info, # 元数据字段信息
enable_limit=True, # 允许限制返回数量
)
4. 使用检索器
# 自然语言查询，自动提取过滤条件
docs = self_query_retriever.invoke("查找下评分高于9.5分的电影")
# 对比：普通检索器无法理解元数据过滤
base_docs = retriever.invoke("查找下评分高于9.5分的电影") # 返回所有相关文档
四、工作原理
用户输入："查找下评分高于9.5分的电影"
↓
LLM 解析查询
↓
┌─────────┴─────────┐
↓ ↓
语义查询部分 元数据过滤部分
"电影" rating > 9.5
↓ ↓
└─────────┬─────────┘
↓
向量数据库查询
(语义匹配 + 元数据过滤)
↓
返回精确结果
