使用模式#
开始使用#
从索引构建查询引擎
query_engine = index.as_query_engine()
提示
要了解如何构建索引,请参阅索引
就您的数据提问
response = query_engine.query("Who is Paul Graham?")
配置查询引擎#
高级API#
您可以直接通过一行代码从索引构建和配置查询引擎
query_engine = index.as_query_engine(
response_mode="tree_summarize",
verbose=True,
)
注意:高级API优化了易用性,但并未暴露完整的可配置范围。
有关响应模式的完整列表及其功能,请参阅响应模式。
低级组合API#
如果您需要更细粒度的控制,可以使用低级组合API。具体来说,您将显式构造一个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
# build index
index = VectorStoreIndex.from_documents(documents)
# configure retriever
retriever = VectorIndexRetriever(
index=index,
similarity_top_k=2,
)
# configure response synthesizer
response_synthesizer = get_response_synthesizer(
response_mode="tree_summarize",
)
# assemble query engine
query_engine = RetrieverQueryEngine(
retriever=retriever,
response_synthesizer=response_synthesizer,
)
# query
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
标志即可
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#
您还可以定义自定义查询引擎。只需继承CustomQueryEngine
类,定义您想要拥有的任何属性 (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 Query Engine."""
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
有关更多详细信息,请参阅自定义查询引擎指南。