解锁 Tavily Search API 的潜力：AI 驱动的高效信息检索

本文链接：https://blog.csdn.net/tt_jishu/article/details/142419093

# 解锁 Tavily Search API 的潜力：AI 驱动的高效信息检索

## 引言

在当今快节奏的信息时代，获取实时且准确的信息对AI应用至关重要。Tavily Search API 专为AI代理（如大型语言模型）而设计，提供高效的信息检索服务。本篇文章将介绍如何集成和使用 Tavily Search API，并探讨其在实际应用中的潜力。

## 主要内容

### 1. 安装与设置

要开始使用 Tavily Search API，我们需要安装必要的Python包，并设置API密钥。

首先，安装 `langchain-community` 和 `tavily-python` 包：

```bash
%pip install -qU langchain-community tavily-python

然后，设置您的 Tavily API 密钥：

import getpass
import os

os.environ["TAVILY_API_KEY"] = getpass.getpass("Enter your Tavily API key: ")

2. 创建检索器

使用 TavilySearchAPIRetriever 来初始化检索器：

from langchain_community.retrievers import TavilySearchAPIRetriever

retriever = TavilySearchAPIRetriever(k=3)

3. 执行查询

您可以通过调用 invoke 方法来执行查询：

query = "what year was breath of the wild released?"
result = retriever.invoke(query)
print(result)

代码示例

将 Tavily Search API 整合到更复杂的应用链中，例如使用 OpenAI 的语言模型：

from langchain_core.output_parsers import StrOutputParser
from langchain_core.prompts import ChatPromptTemplate
from langchain_core.runnables import RunnablePassthrough
from langchain_openai import ChatOpenAI

prompt = ChatPromptTemplate.from_template(
    """Answer the question based only on the context provided.

Context: {context}

Question: {question}"""
)

llm = ChatOpenAI(model="gpt-3.5-turbo-0125")

def format_docs(docs):
    return "\n\n".join(doc.page_content for doc in docs)

chain = (
    {"context": retriever | format_docs, "question": RunnablePassthrough()}
    | prompt
    | llm
    | StrOutputParser()
)

response = chain.invoke("how many units did breath of the wild sell in 2020")
print(response)