RAG开发
1. LangChain 简介
1.1 Langchain主要功能
- Prompt: 优化提示词
- Models: 调用各种模型,封装接口
- History: 管理会话历史记录
- Indexes: 管理和分析各类文档
- Chains: 构建功能的执行链条
- Agent: 构建智能体
1.2 Langchain环境部署
1 | pip install langchain langchain-community langchain-ollama dashscope chromadb |
- langchain:核心包
- langchian-community: 社区支持包,提供更多的第三方模型调用(例如调用阿里云模型)
- langchain-ollama: ollama支持包, 支持调用本地托管的本地模型
- dashscope: 阿里云qwen的python sdk
- chromadb: 轻量向量数据库
1.3 RAG相关概念
- RAG: 检索增强生成:Retrieval-Augmented Generation
- 向量:从原点坐标到目标点的矢量方向
- 余弦相似度:两个向量的余弦值,a x b / |a| x |b|, 值越接近1越相似
- 文本向量模型:用于通过将文本生成相对的向量
text-embedding-v1模型,可以生成1536维的向量。在1546(抽象的语义特征)方向上的得分






