使用模式#
快速开始#
从索引构建查询引擎:
query_engine = index.as_query_engine()
Tip
要了解如何构建索引,请参阅索引
对数据进行提问:
response = query_engine.query("Who is Paul Graham?")
配置查询引擎#
高级API#
您可以直接用一行代码从索引构建并配置查询引擎:
query_engine = index.as_query_engine(
response_mode="tree_summarize",
verbose=True,
)
注意:虽然高级API优化了易用性,但它_不会_暴露全部的可配置选项。
完整响应模式列表及其功能请见响应模式。
低级组合API#
如果需要更细粒度的控制,可以使用低级组合API。具体来说,您需要显式构造一个QueryEngine对象,而不是调用index.as_query_engine(...)。
注意:您可能需要查看API参考或示例笔记本。
from llama_index.core import VectorStoreIndex, get_response_synthesizer
from llama_index.core.retrievers import VectorIndexRetriever
from llama_index.core.query_engine import RetrieverQueryEngine
# 构建索引
index = VectorStoreIndex.from_documents(documents)
# 配置检索器
retriever = VectorIndexRetriever(
index=index,
similarity_top_k=2,
)
# 配置响应合成器
response_synthesizer = get_response_synthesizer(
response_mode="tree_summarize",
)
# 组装查询引擎
query_engine = RetrieverQueryEngine(
retriever=retriever,
response_synthesizer=response_synthesizer,
)
# 查询
response = query_engine.query("What did the author do growing up?")
print(response)
流式传输#
要启用流式传输,只需传入streaming=True标志:
query_engine = index.as_query_engine(
streaming=True,
)
streaming_response = query_engine.query(
"What did the author do growing up?",
)
streaming_response.print_response_stream()
定义自定义查询引擎#
您也可以定义自定义查询引擎。只需继承CustomQueryEngine类,定义所需的任何属性(类似于定义Pydantic类),并实现一个返回Response对象或字符串的custom_query函数。
from llama_index.core.query_engine import CustomQueryEngine
from llama_index.core.retrievers import BaseRetriever
from llama_index.core import get_response_synthesizer
from llama_index.core.response_synthesizers import BaseSynthesizer
class RAGQueryEngine(CustomQueryEngine):
"""RAG查询引擎"""
retriever: BaseRetriever
response_synthesizer: BaseSynthesizer
def custom_query(self, query_str: str):
nodes = self.retriever.retrieve(query_str)
response_obj = self.response_synthesizer.synthesize(query_str, nodes)
return response_obj
更多详情请参阅自定义查询引擎指南。