Vespa Retriever
这展示了如何使用 Vespa.ai 作为 LangChain 检索器。Vespa.ai 是一个用于高效结构化文本和向量搜索的平台。有关更多信息，请参考 Vespa.ai。
以下设置了一个检索器，该检索器从 Vespa 的文档搜索中获取结果
import { VespaRetriever } from "@langchain/community/retrievers/vespa";
export const run = async () => {
const url = "https://doc-search.vespa.oath.cloud";
const query_body = {
yql: "select content from paragraph where userQuery()",
hits: 5,
ranking: "documentation",
locale: "en-us",
};
const content_field = "content";
const retriever = new VespaRetriever({
url,
auth: false,
query_body,
content_field,
});
const result = await retriever.invoke("what is vespa?");
console.log(result);
};
API 参考
- VespaRetriever from
@langchain/community/retrievers/vespa
这里，使用 documentation 作为排名方法，从 paragraph 文档类型中的 content 字段检索最多 5 个结果。userQuery() 被替换为从 LangChain 传递的实际查询。
有关更多信息，请参考 pyvespa 文档。
URL 是 Vespa 应用程序的端点。您可以连接到任何 Vespa 端点，无论是远程服务还是使用 Docker 的本地实例。但是，大多数 Vespa 云实例都受 mTLS 保护。如果是这种情况，您可以例如设置一个 CloudFlare Worker，其中包含连接到实例所需的凭据。
现在，您可以返回结果并继续在 LangChain 中使用它们。