global search

引言

全局搜索（Global Search）是一种通过MapReduce方式处理所有AI生成的社区报告，从而生成答案的方法。这种方法虽然资源密集，但通常能很好地回答需要理解整个数据集的问题（例如，“笔记本中提到的草药的最重要价值是什么？”）。本文将详细介绍全局搜索的工作原理、实现细节以及如何在实际项目中应用它。

前置知识

在深入了解全局搜索之前，我们需要掌握以下几个关键概念：

1. MapReduce：一种分布式计算模型，用于处理和生成大数据集。它包括两个主要步骤：Map（映射）和Reduce（归约）。
2. LLM（Large Language Model）：大型语言模型，如GPT-4，能够理解和生成自然语言文本。
3. Pandas：一个强大的数据处理库，用于数据分析和操作。
4. Tiktoken：一个用于编码和解码文本的库，常用于处理语言模型的输入和输出。

全局搜索的工作原理

全局搜索的核心思想是通过MapReduce的方式处理AI生成的社区报告，从而生成答案。具体步骤如下：

1. Map阶段：将社区报告分割成预定义大小的文本块，每个文本块生成一个中间响应，包含要点列表及其重要性评分。
2. Reduce阶段：从中间响应中筛选出最重要的一组要点，并将其聚合作为上下文，生成最终响应。

代码示例

1. 设置LLM

首先，我们需要设置LLM模型。以下是代码示例：

import os
from graphrag.query.llm.oai.chat_openai import ChatOpenAI
from graphrag.query.llm.oai.typing import OpenaiApiType

api_key = os.environ["GRAPHRAG_API_KEY"]
llm_model = os.environ["GRAPHRAG_LLM_MODEL"]

llm = ChatOpenAI(
    api_key=api_key,
    model=llm_model,
    api_type=OpenaiApiType.OpenAI,  # 可以是OpenaiApiType.OpenAI或OpenaiApiType.AzureOpenAI
    max_retries=20,
)

2. 加载社区报告

接下来，我们加载社区报告作为全局搜索的上下文数据。以下是代码示例：

import pandas as pd
from graphrag.query.indexer_adapters import read_indexer_entities