langchain中的多向量检索

1.使用mivlus数据库进行多向量检索

kb = KBServiceFactory.get_service_by_name(knowledge_base_name)
if kb is None:
    return BaseResponse(code=404, msg=f"未找到知识库 {knowledge_base_name}")

milvus = Milvus(embedding_function=EmbeddingsFunAdapter(kb.embed_model),
                                collection_name=kb.kb_name,
                                connection_args=kbs_config.get("milvus").get("connection_args"),
                                index_params=kbs_config.get("milvus").get("index_params"),
                                search_params=kbs_config.get("milvus").get("search_params"),
                                auto_id = True
                                )

直接使用mivlus数据库进行向量检索

# 它说明给定一个查询,该类将使用大型语言模型(LLM)来编写一组查询,为每个查询检索文档,并返回所有检索到的文档的唯一并集。
# 是否在生成的查询列表中包含原始查询
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

。七十二。

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值