Skip to main content

AWSKendraRetriever

概述​

Amazon Kendra 是由亚马逊网络服务 (AWS) 提供的一种智能搜索服务。 它利用先进的自然语言处理 (NLP) 和机器学习算法，使组织内的各种数据源具备强大的搜索功能。 Kendra 的设计旨在帮助用户快速而准确地找到所需信息，从而提高生产力和决策能力。

使用 Kendra，用户可以跨多种内容类型进行搜索，包括文档、常见问题、知识库、手册和网站。 它支持多种语言，能够理解复杂的查询、同义词和上下文含义，从而提供高度相关的搜索结果。

这将帮助你快速入门 Amazon Kendra retriever。如需了解 AWSKendraRetriever 所有功能和配置的详细文档，请前往 API 参考。

集成详情​

检索器来源包
AWSKendraRetriever各类 AWS 资源@langchain/aws

准备工作​

开始之前，你需要一个 AWS 账户和一个 Amazon Kendra 实例。更多信息请参见 AWS 的教程。

如果你希望从单个查询中获得自动化追踪，也可以取消下面代码的注释来设置你的 LangSmith API 密钥：

// process.env.LANGSMITH_API_KEY = "<YOUR API KEY HERE>";
// process.env.LANGSMITH_TRACING = "true";

安装​

该检索器位于 @langchain/aws 包中：

:::提示 请参阅安装集成包的一般说明部分。 :::

yarn add @langchain/aws @langchain/core

实例化​

现在我们可以实例化检索器：

import { AmazonKendraRetriever } from "@langchain/aws";

const retriever = new AmazonKendraRetriever({
  topK: 10,
  indexId: "YOUR_INDEX_ID",
  region: "us-east-2", // Your region
  clientOptions: {
    credentials: {
      accessKeyId: "YOUR_ACCESS_KEY_ID",
      secretAccessKey: "YOUR_SECRET_ACCESS_KEY",
    },
  },
});

用法​

const query = "...";

await retriever.invoke(query);

在链式应用中的使用​

与其他检索器类似，AWSKendraRetriever 可以通过 链式应用 集成到 LLM 应用中。

我们将需要一个 LLM 或聊天模型：

Pick your chat model:

Install dependencies

tip

See this section for general instructions on installing integration packages.

yarn add @langchain/groq

Add environment variables

GROQ_API_KEY=your-api-key

Instantiate the model

import { ChatGroq } from "@langchain/groq";

const llm = new ChatGroq({
  model: "llama-3.3-70b-versatile",
  temperature: 0
});
import { ChatPromptTemplate } from "@langchain/core/prompts";
import {
  RunnablePassthrough,
  RunnableSequence,
} from "@langchain/core/runnables";
import { StringOutputParser } from "@langchain/core/output_parsers";

import type { Document } from "@langchain/core/documents";

const prompt = ChatPromptTemplate.fromTemplate(`
Answer the question based only on the context provided.

Context: {context}

Question: {question}`);

const formatDocs = (docs: Document[]) => {
  return docs.map((doc) => doc.pageContent).join("\n\n");
};

// See https://js.langchain.com/docs/tutorials/rag
const ragChain = RunnableSequence.from([
  {
    context: retriever.pipe(formatDocs),
    question: new RunnablePassthrough(),
  },
  prompt,
  llm,
  new StringOutputParser(),
]);
await ragChain.invoke(query);

API 参考文档​

如需详细了解所有 AmazonKendraRetriever 的功能和配置，请访问 API 参考文档。

Was this page helpful?


You can also leave detailed feedback on GitHub.