跳到主要内容
在统计学中，k-近邻算法 (k-NN) 是一种非参数监督学习方法，最初由 Evelyn Fix 和 Joseph Hodges 于 1951 年提出，后来由 Thomas Cover 扩展。它用于分类和回归。
本笔记本介绍了如何使用底层基于 kNN 的检索器。 主要基于 Andrej Karpathy 的代码。
from langchain_community.retrievers import KNNRetriever
from langchain_openai import OpenAIEmbeddings

​
使用文本创建新的检索器

retriever = KNNRetriever.from_texts(
    ["foo", "bar", "world", "hello", "foo bar"], OpenAIEmbeddings()
)

​
使用检索器

我们现在可以使用检索器了！ 
result = retriever.invoke("foo")

result

[Document(page_content='foo', metadata={}),
 Document(page_content='foo bar', metadata={}),
 Document(page_content='hello', metadata={}),
 Document(page_content='bar', metadata={})]
在 GitHub 上编辑此页面源文件。
以编程方式连接这些文档到 Claude、VSCode 等，通过 MCP 获取实时答案。
© . This site is unofficial and not affiliated with LangChain, Inc.