Redis RAG模板入门

Redis RAG（Retrieval-Augmented Generation）模板是一种将 Redis 数据库与生成式 AI 模型（如 OpenAI GPT-3 或其他语言模型）结合使用的架构。RAG 模型通过从一个存储库中检索相关数据来增强生成的内容。这种方法提高了生成文本的准确性和相关性，因为它可以参考预先存储的知识。

一、如何检查Redis实例是否正在运行

打开WSL2终端并运行以下命令

ps aux | grep redis-server

如果没有的话，就运行下买你的代码启动Redis实例：

sudo service redis-server start

验证Redis是否正在运行

通过Redis CLI连接到Redis实例并执行PING命令

redis-cli

在Redis CLI中输入：

127.0.0.1:6379> ping

 如果Redis正在运行，应该会返回PONG。

二、是使用模板在本地进行构建的分步指南：

1、环境设置：设置ZhiPu API 密钥和 Redis 环境变量：

退出 Redis CLI：

quit

在 shell 终端中设置环境变量（不是在 Redis CLI 中）：

使用的是 WSL，设置环境变量的方法如下：

export OPENAI_API_KEY="your_openai_api_key"
export REDIS_HOST="127.0.0.1"
export REDIS_PORT="6379"
export REDIS_USER="default"
export REDIS_PASSWORD="your_redis_password"

2、在 WSL 中安装 Conda

使用 wget 下载 Miniconda 安装脚本

wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh

运行下载的安装脚本

bash Miniconda3-latest-Linux-x86_64.sh

• 脚本会提示你阅读许可协议，按照提示逐步完成安装。按 Enter 键接受许可协议。

• 安装过程中，会询问安装路径和是否初始化 Conda。按照提示进行选择。一般来说，选择默认选项即可。

要使更改生效，需要重新加载 shell 配置文件，或者重新打开一个终端窗口

source ~/.bashrc

 运行以下命令来验证 Conda 是否安装成功并已经初始化：

conda --version

Conda 并没有正确添加到你的 PATH 环境变量中。手动添加 Conda 到 PATH 并使其生效。编辑 ~/.bashrc 文件：

nano ~/.bashrc

在文件的末尾添加以下内容：（加入conda路径）

# >>> conda initialize >>>
# !! Contents within this block are managed by 'conda init' !!
__conda_setup="$('/home/zz/miniconda3/bin/conda' 'shell.bash' 'hook' 2> /dev/null)"
if [ $? -eq 0 ]; then
    eval "$__conda_setup"
else
    if [ -f "/home/zz/miniconda3/etc/profile.d/conda.sh" ]; then
        . "/home/zz/miniconda3/etc/profile.d/conda.sh"
    else
        export PATH="/home/zz/miniconda3/bin:$PATH"
    fi
fi
unset __conda_setup
# <<< conda initialize <<<

再次输入conda --version

成功了

3、创建并且激活conda环境

toSCl是你自取得conda环境的名称

conda create -n toSCL python=3.10
conda activate toSCL

激活虚拟环境后，运行以下命令来安装 LangChain CLI 和特定版本的 Pydantic：

LangChain CLI 是用于 LangChain 项目的命令行接口工具。LangChain 是一个框架，旨在简化大语言模型（如 GPT-3）的开发和部署。通过 LangChain CLI，你可以快速创建、管理和部署 LangChain 应用程序。

Pydantic 是一个数据验证和设置管理的库，它使用 Python 的类型提示来定义和验证数据结构。Pydantic 在处理 JSON 数据或其他输入数据时非常有用，确保数据格式正确且符合预期。

我的项目并没有用到langchain框架，直接用pydantic

pip install -U langchain-cli pydantic