跳到主要内容

AWSKendraRetriever

概述​

Amazon Kendra 是亚马逊网络服务 (AWS) 提供的一种智能搜索服务。它利用先进的自然语言处理 (NLP) 和机器学习算法，为组织内各种数据源提供强大的搜索功能。Kendra 旨在帮助用户快速准确地找到所需信息，从而提高生产力和决策效率。

借助 Kendra，用户可以搜索各种类型的內容，包括文档、常见问题解答、知识库、手册和网站。它支持多种语言，可以理解复杂的查询、同义词和上下文含义，从而提供高度相关的搜索结果。

这将帮助您开始使用 Amazon Kendra 检索器。有关所有 AWSKendraRetriever 功能和配置的详细文档，请访问 API 参考。

集成详细信息​

检索器来源包
AWSKendraRetriever各种 AWS 资源@langchain/aws

设置​

您需要一个 AWS 帐户和一个 Amazon Kendra 实例才能开始使用。有关更多信息，请参阅 AWS 的 教程。

如果您希望从单个查询获得自动跟踪，还可以通过取消注释以下内容来设置您的 LangSmith API 密钥

// process.env.LANGSMITH_API_KEY = "<YOUR API KEY HERE>";
// process.env.LANGSMITH_TRACING = "true";

安装​

此检索器位于 @langchain/aws 包中

提示

有关安装集成包的常规说明，请参阅 此部分。

yarn add @langchain/aws @langchain/core

实例化​

现在我们可以实例化我们的检索器

import { AmazonKendraRetriever } from "@langchain/aws";

const retriever = new AmazonKendraRetriever({
  topK: 10,
  indexId: "YOUR_INDEX_ID",
  region: "us-east-2", // Your region
  clientOptions: {
    credentials: {
      accessKeyId: "YOUR_ACCESS_KEY_ID",
      secretAccessKey: "YOUR_SECRET_ACCESS_KEY",
    },
  },
});

使用​

const query = "...";

await retriever.invoke(query);

在链中使用​

与其他检索器一样，AWSKendraRetriever 可以通过 链 整合到 LLM 应用程序中。

我们需要一个 LLM 或聊天模型

选择您的聊天模型

安装依赖项

提示

见 有关安装集成包的常规说明，请参阅此部分.

yarn add @langchain/openai

添加环境变量

OPENAI_API_KEY=your-api-key

实例化模型

import { ChatOpenAI } from "@langchain/openai";

const llm = new ChatOpenAI({
  model: "gpt-4o-mini",
  temperature: 0
});
import { ChatPromptTemplate } from "@langchain/core/prompts";
import {
  RunnablePassthrough,
  RunnableSequence,
} from "@langchain/core/runnables";
import { StringOutputParser } from "@langchain/core/output_parsers";

import type { Document } from "@langchain/core/documents";

const prompt = ChatPromptTemplate.fromTemplate(`
Answer the question based only on the context provided.

Context: {context}

Question: {question}`);

const formatDocs = (docs: Document[]) => {
  return docs.map((doc) => doc.pageContent).join("\n\n");
};

// See https://js.langchain.ac.cn/docs/tutorials/rag
const ragChain = RunnableSequence.from([
  {
    context: retriever.pipe(formatDocs),
    question: new RunnablePassthrough(),
  },
  prompt,
  llm,
  new StringOutputParser(),
]);
await ragChain.invoke(query);

API 参考​

有关所有 AmazonKendraRetriever 功能和配置的详细文档，请访问 API 参考。

此页面是否有帮助？


您也可以在 GitHub 上留下详细的反馈 GitHub.