查询转换

LlamaIndex 允许您对索引结构执行 查询转换。查询转换是能将一个查询转换为另一个查询的模块。它们可以是 单步 的，这意味着转换在对索引执行查询之前运行一次。

它们也可以是 多步 的，例如：

1. 查询被转换，然后对索引执行，
2. 获取响应。
3. 后续查询以顺序方式进行转换/执行。

下面我们更详细地列出了一些查询转换。

用例

查询转换有多种用例

• 将初始查询转换为更易于嵌入的形式（例如 HyDE）
• 将初始查询转换为更容易从数据中回答的子问题（单步查询分解）
• 将初始查询分解为多个可以更容易独立回答的子问题。（多步查询分解）

HyDE (假设文档嵌入)

HyDE 是一种技术，给定一个自然语言查询，首先生成一个假设文档/答案。然后使用这个假设文档进行嵌入查找，而不是使用原始查询。

要使用 HyDE，下面是一个示例代码片段。

from llama_index.core import VectorStoreIndex, SimpleDirectoryReader
from llama_index.core.indices.query.query_transform.base import (
    HyDEQueryTransform,
)
from llama_index.core.query_engine import TransformQueryEngine

# load documents, build index
documents = SimpleDirectoryReader("../paul_graham_essay/data").load_data()
index = VectorStoreIndex(documents)

# run query with HyDE query transform
query_str = "what did paul graham do after going to RISD"
hyde = HyDEQueryTransform(include_original=True)
query_engine = index.as_query_engine()
query_engine = TransformQueryEngine(query_engine, query_transform=hyde)
response = query_engine.query(query_str)
print(response)

请查看我们的示例 notebook，获取完整的演练。

多步查询转换

多步查询转换是在现有单步查询转换方法基础上的泛化。

给定一个初始的复杂查询，该查询被转换并对索引执行。从查询中获取响应。给定响应（以及先前的响应）和查询，也可以对索引提出后续问题。这种技术允许针对单个知识源运行查询，直到该查询满足所有问题。

下面是一个示例图片。

下面是相应的示例代码片段。

from llama_index.core.indices.query.query_transform.base import (
    StepDecomposeQueryTransform,
)

# gpt-4
step_decompose_transform = StepDecomposeQueryTransform(llm, verbose=True)

query_engine = index.as_query_engine()
query_engine = MultiStepQueryEngine(
    query_engine, query_transform=step_decompose_transform
)

response = query_engine.query(
    "Who was in the first batch of the accelerator program the author started?",
)
print(str(response))

请查看我们的示例 notebook，获取完整的演练。

• HyDE 查询转换
• 多步查询