介绍商务网站开发流程上海网站优化公司
5. 查询构建 — Ragatouille
用户用自然语言提出问题并被路由到特定数据源（例如，向量存储、图形数据库等）后，该问题需要被转换为结构化查询，以便从选定的数据源检索信息（例如，文本到SQL、文本到Cypher等）。在本节中，我们将看到如何使用Langchain将自然语言问题转换为结构化查询。
# 导入环境变量扩展
%load_ext dotenv
%dotenv secrets/secrets.env# 导入所需的库
from langchain_community.document_loaders import YoutubeLoader
from langchain_core.prompts import ChatPromptTemplate
from langchain_openai import ChatOpenAI
from langchain_core.runnables import RunnablePassthrough
在本节中，我们将看到如何使用自然语言问题构建一个查询，以便根据它们的元数据过滤记录。为此，我们考虑一个用例，即根据视频的元数据过滤YouTube播放列表。首先，我们来了解一下在YouTube视频中可以找到哪些元数据。
# 从YouTube URL加载文档
docs = YoutubeLoader.from_youtube_url("https://www.youtube.com/watch?v=sVcwVQRHIc8", add_video_info=True
).load()# 打印第一个文档的元数据
docs[0].metadata
输出示例：
{'source': 'sVcwVQRHIc8','title': 'Learn RAG From Scratch – Python AI Tutorial from a LangChain Engineer','description': 'Unknown','view_count': 147737,'thumbnail_url': 'https://i.ytimg.com/vi/sVcwVQRHIc8/hq720.jpg','publish_date': '2024-04-17 00:00:00','length': 9191,'author': 'freeCodeCamp.org'
}
现在，假设我们要基于title、content、view_count、publish_date和length过滤播放列表。因此，一旦我们向LLM提出问题，它应该返回一个包含上述字段的对象，这些字段用于从播放列表/数据库中选择视频。为此，我们定义了一个Pydantic模型，类似于我们在“路由”部分构建的模型。
# 定义TutorialSearch Pydantic模型
import datetime
from typing import Optional
from langchain_core.pydantic_v1 import BaseModel, Fieldclass TutorialSearch(BaseModel):"""在关于LLMs和Langchain的视频数据库/播放列表中进行搜索。"""content_search: str = Field(..., description="应用于视频文字的相似性搜索查询。")title_search: str = Field(..., description="应用于视频标题的内容搜索查询的替代版本。")min_view_count: Optional[int] = Field(None, description="视图计数的最小值过滤器。")max_view_count: Optional[int] = Field(None, description="视图计数的最大值过滤器。")earliest_publish_date: Optional[datetime.date] = Field(None, description="最早的发布日期过滤器。")latest_publish_date: Optional[datetime.date] = Field(None, description="最晚的发布日期过滤器。")min_length_sec: Optional[int] = Field(None, description="视频的最小长度（秒）。")max_length_sec: Optional[int] = Field(None, description="视频的最大长度（秒）。")def pretty_print(self) -> None:# 打印非空字段for field in self.__fields__:if getattr(self, field) is not None and getattr(self, field) != getattr(self.__fields__[field], "default", None):print(f"{field}: {getattr(self, field)}")
接下来，我们构建一个链，该链接受用户问题和提示，将其提供给LLM，LLM根据定义的Pydantic模型提供答案，并返回答案。
# 定义元数据提示模板
meta_data_prompt = ChatPromptTemplate.from_messages([("system", "你是转换用户问题为数据库查询的专家。"),("user", "{question}")
])# 初始化GPT-4模型
llm = ChatOpenAI(model='gpt-4', temperature=0)
# 使用with_structured_output()方法初始化结构化输出
structured_llm = llm.with_structured_output(TutorialSearch)# 创建元数据链
meta_data_chain = ({'question': RunnablePassthrough()}| meta_data_prompt| structured_llm
)# 调用元数据链并打印结果
query = meta_data_chain.invoke("Build RAG using Langchain videos published before January 2024 with at least 1000 views.")
query.pretty_print()
输出示例：
content_search: Building RAG using Langchain
title_search: RAG Langchain
min_view_count: 1000
latest_publish_date: 2024-01-01
这可以用来过滤数据库的记录，如本文所示。我们将在最后一部分使用文本到Cypher查询构建，以从图形数据库获取信息。
总结
本文介绍了如何使用Langchain将用户用自然语言提出的问题转换为结构化查询，以便从特定数据源检索信息。通过定义Pydantic模型和构建链，我们可以将用户问题转化为数据库查询，从而优化检索最相关结果的过程。