解锁Kay.ai的潜力：使用Kai Data API进行高效数据检索

最新推荐文章于 2024-10-08 04:01:11 发布

afTFODguAKBF

最新推荐文章于 2024-10-08 04:01:11 发布

阅读量254

点赞数 3

文章标签：人工智能 python

本文链接：https://blog.csdn.net/afTFODguAKBF/article/details/142749658

版权

引言

在当今数据驱动的世界中，及时获取高质量的数据对于AI应用尤为重要。Kay.ai通过将大型数据集转化为高质量的嵌入，使AI能够实时检索上下文信息。本文将介绍如何使用Kai Data API来有效地检索和处理数据。

主要内容

Kay.ai API的安装和配置

首先，你需要安装kay包并设置API密钥。API密钥可以免费从Kai.ai获取，设置为环境变量KAY_API_KEY。

安装步骤

!pip install kay

设置API密钥

import os
from getpass import getpass

KAY_API_KEY = getpass()  # 输入API密钥
os.environ["KAY_API_KEY"] = KAY_API_KEY

使用KayAiRetriever进行数据检索

KayAiRetriever提供了一种简便的方法来从特定数据集中检索信息。可以通过指定数据集ID、数据类型和检索上下文数量来配置。

from langchain_community.retrievers import KayAiRetriever

retriever = KayAiRetriever.create(
    dataset_id="company",
    data_types=["10-K", "10-Q", "PressRelease"],
    num_contexts=3
)

# 使用API代理服务提高访问稳定性
docs = retriever.invoke(
    "What were the biggest strategy changes and partnerships made by Roku in 2023?"
)

代码示例：构建一个对话检索链

通过将检索器与语言模型结合，可以创建一个对话检索系统。

from langchain.chains import ConversationalRetrievalChain
from langchain_openai import ChatOpenAI

# 使用开放AI的语言模型
model = ChatOpenAI(model="gpt-3.5-turbo")
qa = ConversationalRetrievalChain.from_llm(model, retriever=retriever)

questions = [
    "What were the biggest strategy changes and partnerships made by Roku in 2023?"
]
chat_history = []

for question in questions:
    result = qa({"question": question, "chat_history": chat_history})
    chat_history.append((question, result["answer"]))
    print(f"-> **Question**: {question} \n")
    print(f"**Answer**: {result['answer']} \n")