跳到主要内容
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）、词法搜索以及结构化数据搜索，所有这些都可以在同一查询中完成。
本笔记本演示了如何使用 Vespa.ai 作为 LangChain 检索器。 为了创建检索器，我们使用 pyvespa 来创建与 Vespa 服务的连接。
pip install -qU  pyvespa

from vespa.application import Vespa

vespa_app = Vespa(url="https://doc-search.vespa.oath.cloud")
这会创建与 Vespa 服务的连接，此处是 Vespa 文档搜索服务。使用 pyvespa 软件包，您还可以连接到 Vespa Cloud 实例或本地 Docker 实例。 连接到服务后，您可以设置检索器：
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)
这会设置一个 LangChain 检索器，从 Vespa 应用程序中获取文档。此处，最多从 paragraph 文档类型中的 content 字段检索 5 个结果，使用 documentation 作为排名方法。userQuery() 被替换为从 LangChain 传入的实际查询。 请参阅 pyvespa 文档以获取更多信息。 现在您可以返回结果并在 LangChain 中继续使用这些结果。
retriever.invoke("what is vespa?")
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.