LlamaIndex查询转换:优化查询处理
在LlamaIndex中,查询转换功能允许你对索引结构进行查询转换。查询转换模块会将一个查询转换为另一个查询。它们可以是单步的,即在查询执行之前只运行一次转换;也可以是多步的,即查询被转换并执行,响应被检索,然后后续查询以顺序方式进行转换和执行。
使用场景
查询转换有多种使用场景:
- 转换初始查询为更易嵌入的形式(例如HyDE)
- 将初始查询转换为更容易从数据中回答的子问题(单步查询分解)
- 将初始查询分解为多个更容易单独回答的子问题(多步查询分解)
HyDE(Hypothetical Document Embeddings)
HyDE是一种技术,给定一个自然语言查询,首先生成一个假设的文档/答案。然后使用这个假设文档进行嵌入查找,而不是原始查询。
使用HyDE的示例代码
from llama_index.core import VectorStoreIndex, SimpleDirectoryReader
from llama_index.core.indices.query.query_transform.base import (
HyDEQueryTransform,
)
from llama_index.core.query_engine import TransformQueryEngine
# 加载文档,构建索引
documents = SimpleDirectoryReader("../paul_graham_essay/data").load_data()
index = VectorStoreIndex(documents)
# 使用HyDE查询转换运行查询
query_str = "what did paul graham do after going to RISD"
hyde = HyDEQueryTransform(include_original=True)
query_engine = index.as_query_engine()
query_engine = TransformQueryEngine(query_engine, query_transform=hyde)
response = query_engine.query(query_str)
print(response)
查看我们的示例笔记本,了解完整流程。
多步查询转换
多步查询转换是现有单步查询转换方法的泛化。
给定一个初始的复杂查询,查询被转换并执行。响应从查询中检索。根据响应(以及先前的响应)和查询,可能会对索引提出后续问题。这种技术允许查询在单个知识源上运行,直到该查询满足所有问题。
示例图像
对应示例代码
from llama_index.core.indices.query.query_transform.base import (
StepDecomposeQueryTransform,
)
# gpt-4
step_decompose_transform = StepDecomposeQueryTransform(llm, verbose=True)
query_engine = index.as_query_engine()
query_engine = MultiStepQueryEngine(
query_engine, query_transform=step_decompose_transform
)
response = query_engine.query(
"Who was in the first batch of the accelerator program the author started?",
)
print(str(response))
通过这些查询转换技术,你可以在LlamaIndex中优化查询处理,提升查询效率和准确性。无论是单步还是多步查询转换,都能帮助你更好地从数据中获取所需信息。