借助LangChain轻松实现Exa搜索：全新LLM搜索引擎指南

最新推荐文章于 2024-09-27 17:55:03 发布

mmlihaio

最新推荐文章于 2024-09-27 17:55:03 发布

阅读量295

点赞数 4

文章标签： langchain 搜索引擎 php

本文链接：https://blog.csdn.net/mmlihaio/article/details/142285693

版权

引言

在智能语言模型（LLM）的不断发展下，搜索技术也在悄然发生变革。Exa是一款专为LLM设计的搜索引擎，它通过自然语言查询在互联网上搜索文档，并提取所需文档的干净HTML内容。这篇文章将带您了解如何使用LangChain与Exa Search集成，让您在大规模语言模型中高效利用Exa的强大功能。

主要内容

Exa搜索的特性和优势

Exa与传统的基于关键字的搜索引擎（如Google）不同，具有神经搜索能力，能够语义理解查询并返回相关文档。例如，搜索“关于猫的迷人文章”，Google可能返回基于SEO优化的列表，而Exa则返回更具语义相关性的内容。

使用Exa API

使用Exa API需要获取API密钥，并将其添加为环境变量。部分地区可能因网络限制而需要使用API代理服务。

import os

api_key = os.getenv("EXA_API_KEY")  # 设置您的API密钥为环境变量

安装集成包

确保您已安装langchain-exa包，这将帮助您在LangChain中使用Exa功能。

%pip install --upgrade --quiet langchain-exa

代码示例

以下是如何在LangChain中创建Exa搜索工具的代码示例：

import os
from exa_py import Exa
from langchain_core.tools import tool

exa = Exa(api_key=os.environ["EXA_API_KEY"])

@tool
def search_and_contents(query: str):
    """基于查询搜索网页并检索其内容。"""
    return exa.search_and_contents(
        query, use_autoprompt=True, num_results=5, text=True, highlights=True
    )

@tool
def find_similar_and_contents(url: str):
    """搜索与给定URL类似的网页并检索其内容。"""
    return exa.find_similar_and_contents(url, num_results=5, text=True, highlights=True)

tools = [search_and_contents, find_similar_and_contents]