构建LangChain应用程序的示例代码：8、分析单个长文档教程

这是一个用于分析单个长文档的教程。

---

分析单个长文档

AnalyzeDocumentChain 接收单个文档，将其分割，然后通过 CombineDocumentsChain 运行。

with open("../docs/docs/modules/state_of_the_union.txt") as f:
    state_of_the_union = f.read()

from langchain.chains import AnalyzeDocumentChain
from langchain_openai import ChatOpenAI

llm = ChatOpenAI(model="gpt-3.5-turbo", temperature=0)

from langchain.chains.question_answering import load_qa_chain

qa_chain = load_qa_chain(llm, chain_type="map_reduce")

qa_document_chain = AnalyzeDocumentChain(combine_docs_chain=qa_chain)

qa_document_chain.run(
    input_document=state_of_the_union,
    question="what did the president say about justice breyer?",
)

---

这段代码首先打开并读取一个名为 state_of_the_union.txt 的文档。然后，它设置了 OpenAI 的 ChatOpenAI 语言模型，并加载了一个问答链（qa_chain），该链的类型设置为 map_reduce。最后，它创建了一个 AnalyzeDocumentChain 对象，将文档和问题作为输入传递给该对象，以分析文档并回答问题 “总统对 Breyer 法官说了什么？”。

请注意，代码中的 llm 对象是用于生成文本的语言模型，temperature=0 表示生成文本时的创造性较低，更倾向于确定性输出。AnalyzeDocumentChain 是一个处理文档并回答有关文档内容的问题的链。qa_chain 是问答链，用于提取文档中的特定信息。