混合搜索

LangChain 中的标准搜索是通过向量相似度完成的。然而，许多向量存储实现（Astra DB、ElasticSearch、Neo4J、AzureSearch 等）也支持更高级的搜索，将向量相似度搜索与其他搜索技术（全文、BM25 等）结合起来。这通常被称为 "混合（Hybrid）" 搜索。

第 1 步：确保你使用的向量存储支持混合搜索

目前，LangChain 中没有统一的方式来执行混合搜索。每个向量存储可能有各自的实现方式。这通常以关键字参数的形式暴露，在 similarity_search 期间传入。通过阅读文档或源代码，弄清楚你使用的向量存储是否支持混合搜索，如果支持，如何使用它。

第 2 步：将该参数作为链的可配置字段添加

这将让你可以轻松调用链，并在运行时配置任何相关的标志。有关配置的更多信息，请参阅这份文档。

第 3 步：使用该可配置字段调用链

现在，你可以在运行时使用可配置字段调用这个链。

代码示例

让我们看一个具体的代码示例。我们将为此示例使用 Astra DB 的 Cassandra/CQL 接口。

安装以下 Python 包：

!pip install "cassio>=0.1.7"

获取连接密钥 (opens in a new tab)。

初始化 cassio：

import cassio
 
cassio.init(
    database_id="Your database ID",
    token="Your application token",
    keyspace="Your key space",
)

使用标准的索引分析器 (opens in a new tab) 创建 Cassandra 向量存储。需要索引分析器来启用词项匹配。

from cassio.table.cql import STANDARD_ANALYZER
from langchain_community.vectorstores import Cassandra
from langchain_openai import OpenAIEmbeddings
 
embeddings = OpenAIEmbeddings()
vectorstore = Cassandra(
    embedding=embeddings,
    table_name="test_hybrid",
    body_index_options=[STANDARD_ANALYZER],
    session=None,
    keyspace=None,
)
 
vectorstore.add_texts(
    [
        "In 2023, I visited Paris",
        "In 2022, I visited New York",
        "In 2021, I visited New Orleans",
    ]
)

如果我们执行标准的相似度搜索，会得到所有文档：

vectorstore.as_retriever().invoke("What city did I visit last?")

[Document(page_content='In 2022, I visited New York'),
Document(page_content='In 2023, I visited Paris'),
Document(page_content='In 2021, I visited New Orleans')]

Astra DB 向量存储的 body_search 参数可用于按词项 new 过滤搜索。

vectorstore.as_retriever(search_kwargs={"body_search": "new"}).invoke(
    "What city did I visit last?"
)

[Document(page_content='In 2022, I visited New York'),
Document(page_content='In 2021, I visited New Orleans')]

我们现在可以创建用于进行问答的链

from langchain_core.output_parsers import StrOutputParser
from langchain_core.prompts import ChatPromptTemplate
from langchain_core.runnables import (
    ConfigurableField,
    RunnablePassthrough,
)
from langchain_openai import ChatOpenAI

这是基本的问答链设置。

template = """Answer the question based only on the following context:
{context}
Question: {question}
"""
prompt = ChatPromptTemplate.from_template(template)
 
model = ChatOpenAI()
 
retriever = vectorstore.as_retriever()

这里我们将检索器标记为具有一个可配置字段。所有向量存储检索器都有 search_kwargs 字段。它只是一个字典，包含向量存储特定的字段

configurable_retriever = retriever.configurable_fields(
    search_kwargs=ConfigurableField(
        id="search_kwargs",
        name="Search Kwargs",
        description="The search kwargs to use",
    )
)

我们现在可以使用可配置的检索器创建链

chain = (
    {"context": configurable_retriever, "question": RunnablePassthrough()}
    | prompt
    | model
    | StrOutputParser()
)

chain.invoke("What city did I visit last?")

Paris

我们现在可以带可配置选项调用链。search_kwargs 是可配置字段的 id。该值是用于 Astra DB 的搜索关键字参数。

chain.invoke(
    "What city did I visit last?",
    config={"configurable": {"search_kwargs": {"body_search": "new"}}},
)

New York

会话检索代理（ConversationalRetrievalAgents）本地检索问答（LocalRetrievalQa）