打造多用户检索应用：如何实现按用户检索的技术指南-CSDN博客

本文链接：https://blog.csdn.net/hatjeagetju/article/details/144462929

# 打造多用户检索应用：如何实现按用户检索的技术指南

## 引言
在构建信息检索应用程序时，尤其是面向多个用户的应用程序中，确保每个用户只能访问其有权查看的数据是非常重要的。这篇文章将指导你如何配置检索链的运行时属性，以便仅检索特定用户的数据。我们将通过一个具体的示例演示如何在实践中实现这一功能。

## 主要内容

### 步骤1：确保检索器支持多用户
当前，在LangChain中没有统一的标志或过滤器来支持多用户检索。每个向量存储或检索器可能有自己的实现，可能被称为命名空间、多租户等。对于向量存储，通常是通过`similarity_search`方法的关键词参数来实现的。

通过阅读相应的文档或源代码，了解你使用的检索器是否支持多用户，以及如何配置它。

### 步骤2：将该参数添加为可配置字段
在运行时调用链时，如果可以配置相关参数，将极大地方便操作。请参考相关文档了解更多配置信息。

### 实践示例
我们将使用Pinecone作为示例。首先，确保配置以下环境变量：
- `PINECONE_API_KEY`: 你的Pinecone API密钥

```python
from langchain_openai import OpenAIEmbeddings
from langchain_pinecone import PineconeVectorStore

embeddings = OpenAIEmbeddings()
vectorstore = PineconeVectorStore(index_name="test-example", embedding=embeddings)

vectorstore.add_texts(["i worked at kensho"], namespace="harrison")  # 添加到Harrison的命名空间
vectorstore.add_texts(["i worked at facebook"], namespace="ankush")  # 添加到Ankush的命名空间

# 仅获取Ankush的文档
ankush_docs = vectorstore.as_retriever(search_kwargs={"namespace": "ankush"}).get_relevant_documents(
    "where did i work?"
)
print(ankush_docs)

# 仅获取Harrison的文档
harrison_docs = vectorstore.as_retriever(
    search_kwargs={"namespace": "harrison"}
).get_relevant_documents("where did i work?")
print(harrison_docs)

构建可配置的检索链

接下来，我们创建用于问答的链。选择一个语言模型（LLM）并设置一种基本的问答链接。

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

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

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

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

# 调用链，指定命名空间配置
response_harrison = chain.invoke(
    "where did the user work?",
    config={"configurable": {"search_kwargs": {"namespace": "harrison"}}},
)
print(response_harrison)

response_ankush = chain.invoke(
    "where did the user work?",
    config={"configurable": {"search_kwargs": {"namespace": "ankush"}}},
)
print(response_ankush)