15.4.rag-Retrival-详细.py

# 项目：使用RAG模型进行检索
from dotenv import load_dotenv
from langchain_openai.embeddings import OpenAIEmbeddings
from langchain_community.vectorstores import Chroma
from langchain.indexes import VectorstoreIndexCreator
from langchain.text_splitter import CharacterTextSplitter
# 导入文档加载器模块，并使用TextLoader来加载文本文件
from langchain_community.document_loaders import TextLoader

load_dotenv(override=True)

loader = TextLoader('./OneFlower/易速鲜花花语大全.txt', encoding='utf8')

# 使用VectorstoreIndexCreator来从加载器创建索引

index = VectorstoreIndexCreator(
    vectorstore_cls=Chroma,  # 使用Chroma作为vectorstore
    embedding=OpenAIEmbeddings(),  # 使用OpenAIEmbeddings作为嵌入
    text_splitter=CharacterTextSplitter(chunk_size=1000, chunk_overlap=0)  # 使用CharacterTextSplitter作为文本切分器
).from_loaders([loader])

# 定义查询字符串, 使用创建的索引执行查询
query = "玫瑰花的花语是什么？"
result = index.query(query) # RetrievalQA链
print(result)  # 打印查询结果