自拍偷在线精品自拍偷,亚洲欧美中文日韩v在线观看不卡

基于Agent的金融問(wèn)答系統(tǒng):RAG的檢索增強(qiáng)之ElasticSearch 原創(chuàng)

發(fā)布于 2024-11-26 08:43
瀏覽
0收藏

前言

本章內(nèi)容,我們將在已經(jīng)構(gòu)建的agent框架基礎(chǔ)上,優(yōu)化檢索器,為檢索器搭建ElasticSearch服務(wù),實(shí)現(xiàn)問(wèn)答系統(tǒng)的檢索增強(qiáng)。

檢索問(wèn)題

通過(guò)測(cè)試天池大賽數(shù)據(jù)集的前100個(gè)問(wèn)題,我們發(fā)現(xiàn)有很多問(wèn)題RAG檢索不到,例如:

? {"id": 34, "question": "根據(jù)武漢興圖新科電子股份有限公司招股意向書(shū),電子信息行業(yè)的上游涉及哪些企業(yè)?"}

通過(guò)查看日志,檢索器沒(méi)有檢索到相關(guān)信息:

基于Agent的金融問(wèn)答系統(tǒng):RAG的檢索增強(qiáng)之ElasticSearch-AI.x社區(qū)

優(yōu)化方案

分析上述case原因,檢索器太過(guò)簡(jiǎn)單所致。

class SimpleRetrieverWrapper():
"""自定義檢索器實(shí)現(xiàn)"""

def__init__(self, store, llm, **kwargs):
        self.store = store
        self.llm = llm
        logger.info(f'檢索器所使用的Chat模型:{self.llm}')

defcreate_retriever(self):
        logger.info(f'初始化自定義的Retriever')

        chromadb_retriever = self.store.as_retriever()
return chromadb_retriever

基于以上問(wèn)題,我們計(jì)劃使用集成檢索器,方案如下:

基于Agent的金融問(wèn)答系統(tǒng):RAG的檢索增強(qiáng)之ElasticSearch-AI.x社區(qū)

說(shuō)明:

? 將檢索器改為使用??EnsembleRetriever??

? 集成檢索器其中之一使用??ElasticSearch??? 檢索器,這個(gè)檢索器通過(guò)連接??ElasticSearch?? 服務(wù),通過(guò)關(guān)鍵字查詢(xún)相關(guān)信息。

? 集成檢索器另外一個(gè)使用??MultiQueryRetriever?? 檢索器,這個(gè)檢索器通過(guò)連接Chroma向量庫(kù)查詢(xún)信息。

關(guān)于MultiQueryRetriever和ElasticSearch,之前有文章做過(guò)基本內(nèi)容的總結(jié),詳情請(qǐng)查看課程總結(jié)】day29:大模型之深入了解Retrievers解析器。

優(yōu)化步驟

1、搭建ES服務(wù)

第一步:安裝Docker,該內(nèi)容不再贅述,具體請(qǐng)見(jiàn)10分鐘學(xué)會(huì)Docker的安裝和使用

第二步:創(chuàng)建網(wǎng)絡(luò)

docker network create es-net

基于Agent的金融問(wèn)答系統(tǒng):RAG的檢索增強(qiáng)之ElasticSearch-AI.x社區(qū)

第三步:拉取鏡像

docker pull elasticsearch:8.6.0

基于Agent的金融問(wèn)答系統(tǒng):RAG的檢索增強(qiáng)之ElasticSearch-AI.x社區(qū)

第四步:創(chuàng)建掛載點(diǎn)目錄

smart-finance-bot \
    |- app \                
    |- docker \
        |- elasticsearch \       # 創(chuàng)建elasticsearch掛載目錄
            |- data \            # 創(chuàng)建數(shù)據(jù)目錄
            |- config \          # 創(chuàng)建配置目錄
            |- plugins  \        # 創(chuàng)建插件目錄

第五步:命令行中輸入命令啟動(dòng)Docker容器

docker run -d \
--restart=always \
--name es \
--network es-net \
-p 9200:9200 \
-p 9300:9300 \
--privileged \
-v /Users/deadwalk/Code/smart-finance-bot/docker/elasticsearch/data:/usr/share/elasticsearch/data \
-v /Users/deadwalk/Code/smart-finance-bot/docker/elasticsearch/plugins:/usr/share/elasticsearch/plugins \
-e "discovery.type=single-node" \
-e "ES_JAVA_OPTS=-Xms512m -Xmx512m" \
elasticsearch:8.6.0

注意:

? 上述的??/Users/deadwalk/Code/smart-finance-bot?? 請(qǐng)根據(jù)本地路徑修改;

? 運(yùn)行完畢后請(qǐng)使用??docker ps??確認(rèn)容器已經(jīng)啟動(dòng)。

第六步:進(jìn)入es容器

docker exec -it es /bin/bash

第七步:命令行輸入重置密碼命令(此處我們重置密碼為123abc)

bin/elasticsearch-reset-password -i -u elastic

基于Agent的金融問(wèn)答系統(tǒng):RAG的檢索增強(qiáng)之ElasticSearch-AI.x社區(qū)

第八步:使用瀏覽器訪問(wèn)http://localhost:9200/,驗(yàn)證服務(wù)可以使用

基于Agent的金融問(wèn)答系統(tǒng):RAG的檢索增強(qiáng)之ElasticSearch-AI.x社區(qū)

2、添加數(shù)據(jù)到ES服務(wù)

2.1、測(cè)試ES的連接

編寫(xiě)ES連接測(cè)試代碼,驗(yàn)證ES服務(wù)連接。

def test_es_connect():
from elasticsearch importElasticsearch

    ELASTIC_PASSWORD ="123abc"
    host ="localhost"
    port =9200
    schema ="https"
    url =f"{schema}://elastic:{ELASTIC_PASSWORD}@{host}:{port}"

    client =Elasticsearch(
        url,
        verify_certs=False,
)

print(client.info())

運(yùn)行結(jié)果:

基于Agent的金融問(wèn)答系統(tǒng):RAG的檢索增強(qiáng)之ElasticSearch-AI.x社區(qū)

2.2、實(shí)現(xiàn)ElasticSearch連接代碼

代碼文件:??app/rag/elasticsearch_db.py??

# 引入
from langchain_core.retrievers importBaseRetriever
from langchain_core.documents importDocument
# ES需要導(dǎo)入的庫(kù)
from typing importList
import re
import jieba
import nltk
from nltk.corpus import stopwords
import time
from elasticsearch importElasticsearch
from elasticsearch.exceptions importConnectionError,AuthenticationException
from elasticsearch import helpers
import settings
from utils.logger_config importLoggerManager
from utils.util_nltk importUtilNltk
import os
import warnings


warnings.simplefilter("ignore")# 屏蔽 ES 的一些Warnings
utilnltk =UtilNltk()



logger =LoggerManager().logger


classTraditionDB:
defadd_documents(self, docs):
"""
        將文檔添加到數(shù)據(jù)庫(kù)
        """
raiseNotImplementedError("Subclasses should implement this method!")

defget_store(self):
"""
        獲得向量數(shù)據(jù)庫(kù)的對(duì)象實(shí)例
        """
raiseNotImplementedError("Subclasses should implement this method!")


classElasticsearchDB(TraditionDB):
def__init__(self,
                 schema=settings.ELASTIC_SCHEMA,
                 host=settings.ELASTIC_HOST,
                 port=settings.ELASTIC_PORT,
                 index_name=settings.ELASTIC_INDEX_NAME,
                 k=3
                 #  docs=docs
                 ):
# 定義索引名稱(chēng)
        self.index_name = index_name
        self.k = k

try:
            url =f"{schema}://elastic:{settings.ELASTIC_PASSWORD}@{host}:{port}"
            logger.info(f'初始化ES服務(wù)連接:{url}')

            self.es =Elasticsearch(
                url,
                verify_certs=False,
# ca_certs="./docker/elasticsearch/certs/ca/ca.crt",
# basic_auth=("elastic", settings.ELASTIC_PASSWORD)
)

            response = self.es.info()# 嘗試獲取信息
            logger.info(f'ES服務(wù)響應(yīng): {response}')
except(ConnectionError,AuthenticationException)as e:
            logger.error(f'連接 Elasticsearch 失敗: {e}')
raise
exceptExceptionas e:
            logger.error(f'發(fā)生其他錯(cuò)誤: {e}')
            logger.error(f'異常類(lèi)型: {type(e).__name__}')# 記錄異常類(lèi)型
raise

defto_keywords(self, input_string):
"""將句子轉(zhuǎn)成檢索關(guān)鍵詞序列"""
# 按搜索引擎模式分詞
        word_tokens = jieba.cut_for_search(input_string)
# 加載停用詞表
        stop_words =set(stopwords.words('chinese'))
# 去除停用詞
        filtered_sentence =[w for w in word_tokens ifnot w in stop_words]
return' '.join(filtered_sentence)

defsent_tokenize(self, input_string):
"""按標(biāo)點(diǎn)斷句,沒(méi)有用到"""
# 按標(biāo)點(diǎn)切分
        sentences = re.split(r'(?<=[。?。?;?!])', input_string)
# 去掉空字符串
return[sentence for sentence in sentences if sentence.strip()]

defcreate_index(self):
"""如果索引不存在,則創(chuàng)建索引"""
ifnot self.es.indices.exists(index=self.index_name):
# 創(chuàng)建索引
            self.es.indices.create(index=self.index_name, ignore=400)

defbluk_data(self, paragraphs):
"""批量進(jìn)行數(shù)據(jù)灌庫(kù)"""
# 灌庫(kù)指令
        actions =[
{
"_index": self.index_name,
"_source":{
"keywords": self.to_keywords(para.page_content),
"text": para.page_content
}
}
for para in paragraphs
]
# 文本灌庫(kù)
        helpers.bulk(self.es, actions)
# # 灌庫(kù)是異步的
# time.sleep(2)

defflush(self):
# 刷新數(shù)據(jù),數(shù)據(jù)入庫(kù)完成以后刷新數(shù)據(jù)
        self.es.indices.flush()

defsearch(self, query_string):
"""關(guān)鍵詞檢索"""
# ES 的查詢(xún)語(yǔ)言
        search_query ={
"match":{
"keywords": self.to_keywords(query_string)
}
}
        res = self.es.search(index=self.index_name, query=search_query, size=self.k)
return[hit["_source"]["text"]for hit in res["hits"]["hits"]]

defdelete(self):
"""如果索引存在,則刪除索引"""
if self.es.indices.exists(index=self.index_name):
# 創(chuàng)建索引
            self.es.indices.delete(index=self.index_name, ignore=400)

defadd_documents(self, docs):
        self.bluk_data(docs)
        self.flush()

說(shuō)明:

? elasticsearch后續(xù)的插入操作中,使用到了nltk分詞,其代碼已經(jīng)封裝在UtilNltk類(lèi)中,具體代碼請(qǐng)查看Github倉(cāng)庫(kù)代碼,本文不再贅述。

???LoggerManager??是代碼重構(gòu)時(shí),封裝的一個(gè)日志管理類(lèi),具體代碼請(qǐng)查看Github倉(cāng)庫(kù)代碼,本文不再贅述。

2.3、修改PDF文件導(dǎo)入代碼

在settings.py中添加elasticsearch配置信息:

"""
ES數(shù)據(jù)庫(kù)相關(guān)的配置
"""
# ES服務(wù)開(kāi)關(guān):True表示開(kāi)啟ES服務(wù),F(xiàn)alse表示關(guān)閉ES服務(wù)
ELASTIC_ENABLE_ES = True
ELASTIC_PASSWORD = os.getenv("ELASTIC_PASSWORD", "123abc")
ELASTIC_HOST = os.getenv("ELASTIC_HOST", "localhost")
ELASTIC_PORT = os.getenv("ELASTIC_PORT", 9200)
ELASTIC_SCHEMA = "https"
ELASTIC_INDEX_NAME = "smart_test_index"

確認(rèn)PDFProcessor.py中已經(jīng)添加了對(duì)于Elasticsearch的插入操作支持,具體代碼在【項(xiàng)目實(shí)戰(zhàn)】基于Agent的金融問(wèn)答系統(tǒng):代碼重構(gòu)已做介紹,所以本文不再贅述。

2.4、測(cè)試PDF文件導(dǎo)入代碼

在test_framework.py中添加如下代碼

def test_import_elasticsearch():
# from rag.elasticsearch_db import TraditionDB
from rag.elasticsearch_db importElasticsearchDB
from rag.pdf_processor importPDFProcessor

    llm, chat, embed = settings.LLM, settings.CHAT, settings.EMBED

# 導(dǎo)入文件的文件目錄
    directory ="./dataset/pdf"

# 創(chuàng)建 Elasticsearch 數(shù)據(jù)庫(kù)實(shí)例
    es_db =ElasticsearchDB()

# 創(chuàng)建 PDFProcessor 實(shí)例
    pdf_processor =PDFProcessor(directory=directory,
                                 db_type="es",
                                 es_client=es_db,
                                 embed=embed)

# 處理 PDF 文件
    pdf_processor.process_pdfs()

運(yùn)行結(jié)果:

基于Agent的金融問(wèn)答系統(tǒng):RAG的檢索增強(qiáng)之ElasticSearch-AI.x社區(qū)

3、修改檢索器增加Elasticsearch檢索

代碼文件:??app/rag/retrievers.py??

from langchain_core.callbacks importCallbackManagerForRetrieverRun
from utils.logger_config importLoggerManager
from langchain_core.retrievers importBaseRetriever
from langchain_core.documents importDocument
from langchain.retrievers importEnsembleRetriever
from langchain.retrievers.multi_query importMultiQueryRetriever
from rag.elasticsearch_db importElasticsearchDB
# ES需要導(dǎo)入的庫(kù)
from typing importList
import logging
import settings


logger =LoggerManager().logger


classSimpleRetrieverWrapper():
"""自定義檢索器實(shí)現(xiàn)"""

def__init__(self, store, llm, **kwargs):
        self.store = store
        self.llm = llm
        logger.info(f'檢索器所使用的Chat模型:{self.llm}')

defcreate_retriever(self):
        logger.info(f'初始化自定義的Retriever')

# 初始化一個(gè)空的檢索器列表
        retrievers =[]
        weights =[]

# Step1:創(chuàng)建一個(gè) 多路召回檢索器 MultiQueryRetriever
        chromadb_retriever = self.store.as_retriever()
        mq_retriever =MultiQueryRetriever.from_llm(retriever=chromadb_retriever, llm=self.llm)

        retrievers.append(mq_retriever)
        weights.append(0.5)
        logger.info(f'已啟用 MultiQueryRetriever')

# Step2:創(chuàng)建一個(gè) ES 檢索器
if settings.ELASTIC_ENABLE_ES isTrue:
            es_retriever =ElasticsearchRetriever()
            retrievers.append(es_retriever)
            weights.append(0.5)
            logger.info(f'已啟用 ElasticsearchRetriever')

# 使用集成檢索器,將所有啟用的檢索器集合在一起
        ensemble_retriever =EnsembleRetriever(retrievers=retrievers, weights=weights)
return ensemble_retriever

classElasticsearchRetriever(BaseRetriever):
def_get_relevant_documents(self, query: str, )->List[Document]:
"""Return the first k documents from the list of documents"""
        es_connector =ElasticsearchDB()
        query_result = es_connector.search(query)

        logger.info(f"ElasticSearch檢索到資料文件個(gè)數(shù):{len(query_result)}")

if query_result:
return[Document(page_content=doc)for doc in query_result]
return[]

asyncdef_aget_relevant_documents(self, query: str)->List[Document]:
"""(Optional) async native implementation."""
        es_connector =ElasticsearchDB()
        query_result = es_connector.search(query)
if query_result:
return[Document(page_content=doc)for doc in query_result]
return []

4、測(cè)試驗(yàn)證

在test_framework.py中運(yùn)行test_financebot_ex()函數(shù),測(cè)試檢索功能。

def test_financebot_ex():
    from finance_bot_ex import FinanceBotEx
    # 使用Chroma 的向量庫(kù)
    financebot = FinanceBotEx()

    example_query = "根據(jù)武漢興圖新科電子股份有限公司招股意向書(shū),電子信息行業(yè)的上游涉及哪些企業(yè)?"

    financebot.handle_query(example_query)

運(yùn)行結(jié)果: 連接ES后檢索到3個(gè)資料文件

基于Agent的金融問(wèn)答系統(tǒng):RAG的檢索增強(qiáng)之ElasticSearch-AI.x社區(qū)

使用多路召回,生成3個(gè)檢索問(wèn)題

基于Agent的金融問(wèn)答系統(tǒng):RAG的檢索增強(qiáng)之ElasticSearch-AI.x社區(qū)

最終通過(guò)集成檢索器檢索到答案

基于Agent的金融問(wèn)答系統(tǒng):RAG的檢索增強(qiáng)之ElasticSearch-AI.x社區(qū)

優(yōu)化效果

通過(guò)對(duì)天池大賽前100個(gè)問(wèn)題的對(duì)比測(cè)試,我們最終得到如下對(duì)比驗(yàn)證結(jié)果:

基于Agent的金融問(wèn)答系統(tǒng):RAG的檢索增強(qiáng)之ElasticSearch-AI.x社區(qū)

內(nèi)容小結(jié)

  • 集成檢索器:

     可以有效提高檢索的效率,同時(shí)可以增加檢索的準(zhǔn)確度。

     可以添加多個(gè)檢索器并配置不同的權(quán)重,以實(shí)現(xiàn)靈活的組合。

  • Elasticsearch

     作為傳統(tǒng)搜索引擎,可以通過(guò)keyword_search檢索到相關(guān)內(nèi)容。

     使用時(shí)需要使用Docker搭建ES服務(wù)。

     數(shù)據(jù)文件需要添加到ES服務(wù)中,方便檢索。

  • MultiQueryRetriever

     多路召回,將問(wèn)題拆分成多個(gè)問(wèn)題,然后進(jìn)行檢索,最終合并結(jié)果。


本文轉(zhuǎn)載自公眾號(hào)一起AI技術(shù) 作者:Dongming

原文鏈接:??https://mp.weixin.qq.com/s/6O-cIzdjKOd-xG0eysx-qQ??

?著作權(quán)歸作者所有,如需轉(zhuǎn)載,請(qǐng)注明出處,否則將追究法律責(zé)任
標(biāo)簽
已于2024-11-26 09:35:19修改
收藏
回復(fù)
舉報(bào)
回復(fù)
相關(guān)推薦