检索器

概念

检索器负责根据用户查询（或聊天消息）获取最相关的上下文内容。

它可以构建在索引之上，但也可以独立定义。作为核心构建模块，它被用于查询引擎和聊天引擎中，用于检索相关上下文。

Tip

不清楚检索器在RAG工作流中的位置？请阅读高层概念

使用模式

快速开始：

retriever = index.as_retriever()
nodes = retriever.retrieve("Who is Paul Graham?")

快速入门

从索引获取检索器：

retriever = index.as_retriever()

为问题检索相关上下文：

nodes = retriever.retrieve("Who is Paul Graham?")

注意：了解如何构建索引，请参阅索引

高层API

选择检索器

可以通过retriever_mode选择特定索引的检索器类。例如，使用SummaryIndex时：

retriever = summary_index.as_retriever(
    retriever_mode="llm",
)

这将在摘要索引之上创建一个SummaryIndexLLMRetriever。

完整（索引特定）检索器模式及其映射的检索器类列表，请参阅检索器模式。

配置检索器

同样地，可以通过传递kwargs来配置选定的检索器。

注意：查看所选检索器类的构造函数参数API参考，获取有效kwargs列表。

例如，如果我们选择了"llm"检索器模式，可以这样配置：

retriever = summary_index.as_retriever(
    retriever_mode="llm",
    choice_batch_size=5,
)

底层组合API

如果需要更细粒度的控制，可以使用底层组合API。

要实现与上述相同的效果，可以直接导入并构造所需的检索器类：

from llama_index.core.retrievers import SummaryIndexLLMRetriever

retriever = SummaryIndexLLMRetriever(
    index=summary_index,
    choice_batch_size=5,
)

示例

更多示例请参阅检索器指南。