如何让RAG应用程序返回数据来源_rag 程序,怎么确认数据的来源-优快云博客

本文链接：https://blog.youkuaiyun.com/tt_jishu/article/details/142539882

引言

在问答应用程序中，显示用于生成答案的来源对用户非常重要。通过在每次回答过程中返回检索到的文档，是实现这一目标的最简单方法。本文将基于Lilian Weng的博客文章“LLM Powered Autonomous Agents”中的RAG教程，构建一个问答应用程序，并展示两种实现方式：

使用内置的create_retrieval_chain，其默认返回来源。
使用简单的LCEL实现，展示其操作原理。

我们还将展示如何将来源信息结构化整合到模型响应中，使模型能够报告生成答案时所使用的具体来源。

主要内容

设置

依赖项

我们将使用OpenAI嵌入和Chroma向量存储。在此过程中，我们的演示适用于任何Embeddings、VectorStore或Retriever。

%pip install --upgrade --quiet langchain langchain-community langchainhub langchain-openai langchain-chroma bs4

需要设置环境变量OPENAI_API_KEY，可以直接设置，也可以从.env文件加载：

import getpass
import os

os.environ["OPENAI_API_KEY"] = getpass.getpass()

LangSmith

LangChain应用程序通常包含多个步骤和LLM调用。随着应用程序复杂度增加，能够检查链或代理中的具体操作变得至关重要。LangSmith是实现这一功能的最佳方式。

os.environ["LANGCHAIN_TRACING_V2"] = "true"
os.environ["LANGCHAIN_API_KEY"] = getpass.getpass()

使用`create_retrieval_chain`

选择一个LLM

以下是一个与来源结合的问答应用程序示例：

import bs4
from langchain.chains import create_retrieval_chain
from langchain.chains.combine_documents import create_stuff_documents_chain
from langchain_chroma import Chroma
from langchain_community.document_loaders import WebBaseLoader
from langchain_core.prompts import ChatPromptTemplate
from langchain_openai import OpenAIEmbeddings
from langchain_text_splitters import RecursiveCharacterTextSplitter

# 1. 加载、分块并索引博客内容以创建检索器
loader = WebBaseLoader(
    web_paths=("https://lilianweng.github.io/posts/2023-06-23-agent/",),
    bs_kwargs=dict(
        parse_only=bs4.SoupStrainer(
            class_=("post-content", "post-title", "post-header")
        )
    ),
)
docs = loader.load()

text_splitter = RecursiveCharacterTextSplitter(chunk_size=1000, chunk_overlap=200)
splits = text_splitter.split_documents(docs)
vectorstore = Chroma.from_documents(documents=splits, embedding=OpenAIEmbeddings())
retriever = vectorstore.as_retriever()

# 2. 将检索器整合到问答链中
system_prompt = (
    "You are an assistant for question-answering tasks. "
    "Use the following pieces of retrieved context to answer "
    "the question. If you don't know the answer, say that you "
    "don't know. Use three sentences maximum and keep the "
    "answer concise."
    "\n\n"
    "{context}"
)

prompt = ChatPromptTemplate.from_messages(
    [
        ("system", system_prompt),
        ("human", "{input}"),
    ]
)

question_answer_chain = create_stuff_documents_chain(llm, prompt)
rag_chain = create_retrieval_chain(retriever, question_answer_chain)

result = rag_chain.invoke({"input": "What is Task Decomposition?"})

print(result)

自定义LCEL实现

下面是对create_retrieval_chain的简单实现：

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

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

rag_chain_from_docs = (
    {
        "input": lambda x: x["input"],
        "context": lambda x: format_docs(x["context"]),
    }
    | prompt
    | llm
    | StrOutputParser()
)

retrieve_docs = (lambda x: x["input"]) | retriever

chain = RunnablePassthrough.assign(context=retrieve_docs).assign(
    answer=rag_chain_from_docs
)

chain.invoke({"input": "What is Task Decomposition"})