使用Redis和OpenAI进行RAG：处理Nike财务10k文件

老铁们，今天我们来聊聊如何使用Redis作为向量数据库，结合OpenAI的语言模型来进行RAG（检索增强生成）操作，专注于处理Nike的财务10k文件。这个模板依赖于sentence-transformers/all-MiniLM-L6-v2进行文本的嵌入操作，不仅可以处理PDF文件的内容，还能回答用户的问题。

环境设置

首先，为了访问OpenAI模型，你需要设置OPENAI_API_KEY环境变量：

export OPENAI_API_KEY=<YOUR OPENAI API KEY>

接下来是Redis相关的环境变量，用于配置你的Redis服务器：

export REDIS_HOST=<YOUR REDIS HOST>
export REDIS_PORT=<YOUR REDIS PORT>
export REDIS_USER=<YOUR REDIS USER NAME>
export REDIS_PASSWORD=<YOUR REDIS PASSWORD>

支持的设置

我们可以通过各种环境变量来配置这个应用，以下是一些关键的配置项：

环境变量	描述	默认值
DEBUG	启用或禁用LangChain调试日志	True
REDIS_HOST	Redis服务器的主机名	“localhost”
REDIS_PORT	Redis服务器的端口	6379
REDIS_USER	Redis服务器的用户名	“”
REDIS_PASSWORD	Redis服务器的密码	“”
REDIS_URL	连接Redis的完整URL	如果未提供，将从用户、密码、主机和端口构造
INDEX_NAME	向量索引的名称	“rag-redis”

使用方法

要使用这个包，首先需要在Python虚拟环境中安装LangChain CLI和Pydantic：

pip install -U langchain-cli pydantic==1.10.13

创建一个新的LangChain项目并将此作为唯一包安装：

langchain app new my-app --package rag-redis

如果你想将其添加到现有项目中，只需运行：

langchain app add rag-redis

并在你的app/server.py文件中添加以下代码片段：

from rag_redis.chain import chain as rag_redis_chain

add_routes(app, rag_redis_chain, path="/rag-redis")

（可选）我们来配置LangSmith，这将帮助我们追踪、监控和调试LangChain应用程序。你可以在这里注册LangSmith。如果没有访问权限，可以跳过这部分：

export LANGCHAIN_TRACING_V2=true
export LANGCHAIN_API_KEY=<your-api-key>
export LANGCHAIN_PROJECT=<your-project>  # 如果未指定，默认为"default"

如果你在此目录下，可以直接启动一个LangServe实例：

langchain serve

这将启动一个本地运行的FastAPI应用，服务器地址为http://localhost:8000。你可以在http://127.0.0.1:8000/docs查看所有模板，并在http://127.0.0.1:8000/rag-redis/playground访问游乐场。同时，你可以通过如下代码从代码中访问模板：

from langserve.client import RemoteRunnable

runnable = RemoteRunnable("http://localhost:8000/rag-redis")

这波操作可以说是相当丝滑。今天的技术分享就到这里，希望对大家有帮助。开发过程中遇到问题也可以在评论区交流~

—END—