Vespa
Vespa 是一个功能齐全的搜索引擎和向量数据库。它支持向量搜索（ANN）、词汇搜索和结构化数据搜索，所有这些都可以在同一个查询中进行。
本笔记本展示了如何将 Vespa.ai 用作 LangChain 检索器。
为了创建一个检索器，我们使用 pyvespa 来
创建与 Vespa 服务的连接。
%pip install --upgrade --quiet pyvespa
from vespa.application import Vespa
vespa_app = Vespa(url="https://doc-search.vespa.oath.cloud")
这创建了与 Vespa 服务的连接，这里是 Vespa 文档搜索服务。
使用 pyvespa 包，您还可以连接到一个
Vespa Cloud 实例
或一个本地的
Docker 实例。
连接到服务后，您可以设置检索器：
<!--IMPORTS:[{"imported": "VespaRetriever", "source": "langchain_community.retrievers", "docs": "https://python.langchain.com/api_reference/community/retrievers/langchain_community.retrievers.vespa_retriever.VespaRetriever.html", "title": "Vespa"}]-->
from langchain_community.retrievers import VespaRetriever
vespa_query_body = {
"yql": "select content from paragraph where userQuery()",
"hits": 5,
"ranking": "documentation",
"locale": "en-us",
}
vespa_content_field = "content"
retriever = VespaRetriever(vespa_app, vespa_query_body, vespa_content_field)
这设置了一个从 Vespa 应用程序获取文档的 LangChain 检索器。
在这里，从 paragraph 文档类型的 content 字段中检索最多 5 个结果，
使用 doumentation 作为排名方法。userQuery() 被替换为实际的查询
从 LangChain 传递过来。
请参阅pyvespa文档 以获取更多信息。
现在您可以返回结果并继续在LangChain中使用这些结果。
retriever.invoke("what is vespa?")
