Skip to main content
Open In ColabOpen on GitHub

银河检索器

Galaxia 是一个 GraphRAG 解决方案，可自动执行文档处理、知识库（图语言模型）的创建和检索： galaxia-rag

要使用Galaxia，请先上传您的文本并在此处创建一个图语言模型： smabbler-cloud

模型构建并激活后，您将能够使用此集成检索所需内容。

模块存储库位于此处： github

集成详情​

检索器Self-host云服务包
Galaxia Retriever❌✅langchain-galaxia-retriever

设置​

在检索任何内容之前，您需要在此处创建您的图形语言模型： smabbler-cloud

按照以下3个简单步骤操作： rag-instruction

不要忘记在构建模型后激活它！

安装​

检索器在以下包中实现： pypi

%pip install -qU langchain-galaxia-retriever

实例化​

from langchain_galaxia_retriever.retriever import GalaxiaRetriever

gr = GalaxiaRetriever(
    api_url="beta.api.smabbler.com",
    api_key="<key>",  # you can find it here: https://beta.cloud.smabbler.com/user/account
    knowledge_base_id="<knowledge_base_id>",  # you can find it in https://beta.cloud.smabbler.com , in the model table
    n_retries=10,
    wait_time=5,
)

使用​

result = gr.invoke("<test question>")
print(result)

在链中使用​

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

prompt = ChatPromptTemplate.from_template(
    """Answer the question based only on the context provided.

Context: {context}

Question: {question}"""
)


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


chain = (
    {"context": gr | format_docs, "question": RunnablePassthrough()}
    | prompt
    | llm
    | StrOutputParser()
)
chain.invoke("<test question>")

API 参考​

有关Galaxia Retriever的更多信息，请查看其在github上的实现 github