Skip to main content
Open In Colab在 GitHub 上打开

银河Retriever

Galaxia 是 GraphRAG 解决方案，可自动执行文档处理、知识库（图形语言模型）创建和检索：galaxia-rag

要使用 Galaxia，请先在此处上传您的文本并创建一个图语言模型：smabbler-cloud

构建并激活模型后，您将能够使用此集成来检索所需的内容。

模块存储库位于此处：github

集成详细信息

Retriever自托管云产品包
Galaxia Retriever❌✅langchain-galaxia-retriever

设置

在您可以在此处检索创建图语言模型所需的任何内容之前：smabbler-cloud

遵循以下 3 个简单的步骤：rag-instruction

构建模型后不要忘记激活模型！

安装

检索器在以下包中实现：pypi

%pip install -qU langchain-galaxia-retriever

实例

from langchain_galaxia_retriever.retriever import GalaxiaRetriever

gr = GalaxiaRetriever(
    api_url="beta.api.smabbler.com",
    api_key="<key>",  # you can find it here: https://beta.cloud.smabbler.com/user/account
    knowledge_base_id="<knowledge_base_id>",  # you can find it in https://beta.cloud.smabbler.com , in the model table
    n_retries=10,
    wait_time=5,
)

用法

result = gr.invoke("<test question>")
print(result)

在链内使用

from langchain_core.output_parsers import StrOutputParser
from langchain_core.prompts import ChatPromptTemplate
from langchain_core.runnables import RunnablePassthrough

prompt = ChatPromptTemplate.from_template(
    """Answer the question based only on the context provided.

Context: {context}

Question: {question}"""
)


def format_docs(docs):
    return "\n\n".join(doc.page_content for doc in docs)


chain = (
    {"context": gr | format_docs, "question": RunnablePassthrough()}
    | prompt
    | llm
    | StrOutputParser()
)
chain.invoke("<test question>")

API 参考

有关 Galaxia Retriever 的更多信息，请在 github、github 上查看其实现