利用CogniSwitch和Langchain构建高效的知识检索应用-优快云博客

本文链接：https://blog.youkuaiyun.com/zbb258/article/details/149225084

在当今快速发展的技术时代，如何高效地管理知识成为了企业和开发者面临的一大挑战。CogniSwitch作为一个功能强大的工具，可以帮助我们轻松构建生产级的应用，管理和检索知识无缝衔接。在这篇文章中，我们将使用Langchain框架和CogniSwitch来创建一个简单的知识检索应用。

技术背景介绍

CogniSwitch提供了一套完善的解决方案，专注于知识的消费、组织和检索。通过使用Langchain和CogniSwitch的组合，我们可以解决选择合适的存储和检索格式时的决策压力，并避免生成响应时的稳定性和幻觉问题。

核心原理解析

CogniSwitch的强大功能主要体现在其完备的知识管理和处理能力上。结合Langchain框架，我们可以快速部署一个能够处理自然语言交互的智能代理。通过将这些工具结合，我们不仅能够上传并分析文档，还能实时获得文档的处理状态和内容。

代码实现演示

以下是完整的实现代码，展示如何配置并使用CogniSwitch和Langchain来构建一个知识检索应用：

import warnings
import os
from langchain.agents.agent_toolkits import create_conversational_retrieval_agent
from langchain_community.agent_toolkits import CogniswitchToolkit
from langchain_openai import ChatOpenAI

# 禁用警告
warnings.filterwarnings("ignore")

# 设置API密钥
cs_token = "Your CogniSwitch token"
OAI_token = "Your OpenAI API token"
oauth_token = "Your CogniSwitch authentication token"
os.environ["OPENAI_API_KEY"] = OAI_token

# 初始化CogniSwitch工具
cogniswitch_toolkit = CogniswitchToolkit(
    cs_token=cs_token, OAI_token=OAI_token, apiKey=oauth_token
)

# 获取CogniSwitch工具列表
tool_lst = cogniswitch_toolkit.get_tools()

# 实例化语言模型
llm = ChatOpenAI(
    temperature=0,
    openai_api_key=OAI_token,
    max_tokens=1500,
    model_name="gpt-3.5-turbo-0613"
)

# 创建智能代理
agent_executor = create_conversational_retrieval_agent(
    llm, tool_lst, verbose=False
)

# 上传URL示例
response = agent_executor.invoke("upload this url https://cogniswitch.ai/developer")
print(response["output"])

# 上传文件示例
response = agent_executor.invoke("upload this file example_file.txt")
print(response["output"])

# 获取文档状态示例
response = agent_executor.invoke("Tell me the status of this document example_file.txt")
print(response["output"])

# 查询示例
response = agent_executor.invoke("How can cogniswitch help develop GenAI applications?")
print(response["output"])