ValyuContext
Valyu 允许 AI 应用和代理在互联网和自有数据源中搜索相关信息,使其准备好供大型语言模型使用。
这个笔记本介绍了如何在LangChain中使用Valyu上下文工具。
首先,获取一个Valyu API密钥并将其作为环境变量添加。通过在这里注册可获得10美元的免费信用。
设置
The integration lives in the langchain-valyu package.
%pip install -qU langchain-valyu
要在使用该包时,您还需要将环境变量VALYU_API_KEY设置为您的Valyu API密钥。
import os
valyu_api_key = os.environ["VALYU_API_KEY"]
Instantiation
现在我们可以实例化我们的检索器:
The ValyuContextRetriever 可以配置几个参数:
-
k: int = 5
每个查询返回的顶级结果数量。 -
search_type: str = "all"
执行的搜索类型。选项可能包括“全部”、“网页”、“专有”等,具体取决于您的使用案例。 -
similarity_threshold: float = 0.4
所需的最大相似度分数(介于0和1之间),用于判断文档是否相关。 -
query_rewrite: bool = False
是否启用自动重写查询以改善搜索结果。 -
max_price: float = 20.0The maximum price (in USD) you are willing to spend per query. -
client: Optional[Valyu] = None
一个可选的自定义 Valyu 客户端实例。如果未提供,将内部创建一个新的客户端。 -
valyu_api_key: Optional[str] = None
您的Valyu API密钥。如果没有提供,检索器将查找该密钥。VALYU_API_KEYenvironment variable.
from langchain_valyu import ValyuContextRetriever
retriever = ValyuContextRetriever(
k=5,
search_type="all",
similarity_threshold=0.4,
query_rewrite=False,
max_price=20.0,
client=None,
valyu_api_key=os.environ["VALYU_API_KEY"],
)
用法
query = "What are the benefits of renewable energy?"
docs = retriever.invoke(query)
for doc in docs:
print(doc.page_content)
print(doc.metadata)
使用在链中
我们很容易将此检索器合并到一个链中。
from langchain_core.output_parsers import StrOutputParser
from langchain_core.prompts import ChatPromptTemplate
from langchain_core.runnables import RunnablePassthrough
from langchain_openai import ChatOpenAI
prompt = ChatPromptTemplate.from_template(
"""Answer the question based only on the context provided.
Context: {context}
Question: {question}"""
)
llm = ChatOpenAI(model="gpt-4o-mini")
def format_docs(docs):
return "\n\n".join(doc.page_content for doc in docs)
chain = (
{"context": retriever | format_docs, "question": RunnablePassthrough()}
| prompt
| llm
| StrOutputParser()
)
API 参考
详细文档请参阅所有Valyu Context API功能和配置: https://docs.valyu.network/overview