langchain `as_retriever` 方法

as_retriever 方法是一个用于将 VectorStore 对象转换为 VectorStoreRetriever 对象的便捷方法。VectorStoreRetriever 是一个检索类，用于从向量存储中查找和检索最相关的文档。这个方法接受多个可选参数来配置检索的行为。

用法介绍

参数

• search_type (Optional[str]):

  • 定义检索器应该执行的搜索类型。
  • 选项包括：
    • "similarity": 默认选项，基于相似度的搜索。
    • "mmr": 基于最大边际相关性（Maximal Marginal Relevance）的搜索。
    • "similarity_score_threshold": 基于相似度分数阈值的搜索。

• search_kwargs (Optional[Dict]):

  • 传递给搜索函数的关键字参数，可能包括：
    • k: 要返回的文档数量（默认值：4）。
    • score_threshold: 用于 similarity_score_threshold 的最低相关性阈值。
    • fetch_k: 传递给 MMR 算法的文档数量（默认值：20）。
    • lambda_mult: MMR 返回结果的多样性；1 为最小多样性，0 为最大多样性（默认值：0.5）。
    • filter: 根据文档元数据进行过滤。

返回值

• VectorStoreRetriever: 为 VectorStore 初始化的检索器类。

示例用法

示例 1：检索更多具有较高多样性的文档

如果你的数据集中有许多相似的文档，可以使用 mmr 检索类型并调整 lambda_mult 参数以增加多样性。

retriever = docsearch.as_retriever(
    search_type="mmr",
    search_kwargs={
   'k': 6, 'lambda_mult': 0.25}
)

示例 2：为 MMR 算法考虑更多文档，但只返回前 5 个

你可以增加 fetch_k 以让 MMR 算法考虑更多文档，但最终只返回 k 个文档。

retriever = docsearch.as_retriever