116 lines
3.6 KiB
Python
116 lines
3.6 KiB
Python
"""
|
||
RAG 工具模块
|
||
|
||
将检索功能封装为 LangChain Tool，供 Agent 调用。
|
||
采用固定流水线：多路改写 → 并行检索 → RRF 融合 → 重排序 → 返回父文档。
|
||
"""
|
||
|
||
from typing import Optional, Callable
|
||
from langchain_core.tools import tool
|
||
from langchain_core.language_models import BaseLanguageModel
|
||
from langchain_core.retrievers import BaseRetriever
|
||
|
||
from .pipeline import RAGPipeline
|
||
|
||
|
||
def create_rag_tool(
|
||
retriever: BaseRetriever,
|
||
llm: BaseLanguageModel,
|
||
num_queries: int = 3,
|
||
rerank_top_n: int = 5,
|
||
collection_name: str = "rag_documents",
|
||
) -> Callable:
|
||
"""
|
||
创建一个配置好的 RAG 检索工具（异步）。
|
||
|
||
Args:
|
||
retriever: 基础检索器（例如 ParentDocumentRetriever 实例）
|
||
llm: 用于多路查询改写的语言模型
|
||
num_queries: 生成查询变体数量
|
||
rerank_top_n: 最终返回的文档数量
|
||
collection_name: 集合名称（仅用于日志/描述）
|
||
|
||
Returns:
|
||
LangChain Tool 可调用对象（异步）
|
||
"""
|
||
# 初始化流水线（所有组件一次创建，后续复用）
|
||
pipeline = RAGPipeline(
|
||
retriever=retriever,
|
||
llm=llm,
|
||
num_queries=num_queries,
|
||
rerank_top_n=rerank_top_n,
|
||
)
|
||
|
||
@tool
|
||
async def search_knowledge_base(query: str) -> str:
|
||
"""在知识库中搜索与查询相关的文档片段。
|
||
|
||
该工具会：
|
||
1. 将用户问题改写成多个不同角度的查询
|
||
2. 并行检索每个查询的相关父文档
|
||
3. 使用倒数排名融合（RRF）合并结果
|
||
4. 用 Cross-Encoder 重排序模型精选最相关的片段
|
||
|
||
适用于需要精确、全面答案的事实性问题或背景知识查询。
|
||
|
||
Args:
|
||
query: 用户提出的问题或查询字符串
|
||
|
||
Returns:
|
||
格式化后的相关文档内容，若无结果则返回提示信息。
|
||
"""
|
||
try:
|
||
documents = await pipeline.aretrieve(query)
|
||
if not documents:
|
||
return f"在知识库 '{collection_name}' 中未找到与 '{query}' 相关的信息。"
|
||
|
||
context = pipeline.format_context(documents)
|
||
return context
|
||
except Exception as e:
|
||
return f"检索过程中发生错误: {str(e)}"
|
||
|
||
return search_knowledge_base
|
||
|
||
|
||
def create_rag_tool_sync(
|
||
retriever: BaseRetriever,
|
||
llm: BaseLanguageModel,
|
||
num_queries: int = 3,
|
||
rerank_top_n: int = 5,
|
||
collection_name: str = "rag_documents",
|
||
) -> Callable:
|
||
"""
|
||
创建一个配置好的 RAG 检索工具（同步版本，用于不支持异步的旧版 Agent）。
|
||
|
||
参数同 create_rag_tool。
|
||
"""
|
||
pipeline = RAGPipeline(
|
||
retriever=retriever,
|
||
llm=llm,
|
||
num_queries=num_queries,
|
||
rerank_top_n=rerank_top_n,
|
||
)
|
||
|
||
@tool
|
||
def search_knowledge_base_sync(query: str) -> str:
|
||
"""在知识库中搜索与查询相关的文档片段（同步版本）。
|
||
|
||
功能与异步版本相同：多路改写 → RRF融合 → 重排序 → 返回父文档。
|
||
|
||
Args:
|
||
query: 用户提出的问题或查询字符串
|
||
|
||
Returns:
|
||
格式化后的相关文档内容。
|
||
"""
|
||
try:
|
||
documents = pipeline.retrieve(query) # 内部调用异步方法并等待
|
||
if not documents:
|
||
return f"在知识库 '{collection_name}' 中未找到与 '{query}' 相关的信息。"
|
||
|
||
context = pipeline.format_context(documents)
|
||
return context
|
||
except Exception as e:
|
||
return f"检索过程中发生错误: {str(e)}"
|
||
|
||
return search_knowledge_base_sync |