Project Icon

rag-using-langchain-amazon-bedrock-and-opensearch

基于Amazon Bedrock和OpenSearch构建检索增强生成系统

这个开源项目展示了如何使用Amazon Bedrock的Titan模型和OpenSearch的向量引擎来构建检索增强生成(RAG)系统。项目利用LangChain框架将嵌入文本存储在OpenSearch中,为语言模型提供更精准的上下文。开发者可以选择Amazon Bedrock提供的多种基础模型,包括Anthropic Claude和AI21 Labs的Jurassic系列。项目文档详细介绍了从OpenSearch集群部署到数据加载和查询的全过程,为有意实践RAG技术的开发者提供了完整的参考。

使用LangChain、Amazon Bedrock Titan文本和嵌入技术,以及OpenSearch向量引擎进行RAG

这个示例代码库提供了一个使用RAG(检索增强生成)方法的示例代码,该方法依赖于Amazon BedrockTitan Embeddings Generation 1 (G1)大型语言模型(LLM)来创建文本嵌入,这些嵌入将存储在支持向量引擎Amazon OpenSearch中,以协助提示工程任务,从而获得LLM更准确的响应。

在成功将嵌入加载到OpenSearch后,我们将使用LangChain开始查询我们的LLM。我们将提出问题,并检索相似的嵌入以获得更准确的提示。

您可以使用--bedrock-model-id参数,无缝选择Amazon Bedrock中可用的基础模型之一,默认为Anthropic Claude v2,也可以替换为任何其他模型提供商的任何其他模型,以选择您最佳性能的基础模型。

Anthropic:

  • Claude v2 python ./ask-bedrock-with-rag.py --ask "AI将如何改变我们的日常生活?"
  • Claude v1.3 python ./ask-bedrock-with-rag.py --bedrock-model-id anthropic.claude-v1 --ask "AI将如何改变我们的日常生活?"
  • Claude Instance v1.2 python ./ask-bedrock-with-rag.py --bedrock-model-id anthropic.claude-instant-v1 --ask "AI将如何改变我们的日常生活?"

AI21 Labs:

  • Jurassic-2 Ultra python ./ask-bedrock-with-rag.py --bedrock-model-id ai21.j2-ultra-v1 --ask "AI将如何改变我们的日常生活?"
  • Jurassic-2 Mid python ./ask-bedrock-with-rag.py --bedrock-model-id ai21.j2-mid-v1 --ask "AI将如何改变我们的日常生活?"

前提条件

  1. 这在Python 3.11.4上进行了测试

  2. 建议在干净的环境中工作,使用virtualenv或任何其他虚拟环境管理器。

    pip install virtualenv
    python -m virtualenv venv
    source ./venv/bin/activate
    
  3. 安装依赖项 pip install -r requirements.txt

  4. 安装terraform以创建OpenSearch集群

    brew tap hashicorp/tap
    brew install hashicorp/tap/terraform
    
  5. 转到模型访问页面并启用您想要使用的基础模型。

使用此示例代码的步骤

  1. 首先,我们将使用Terraform启动一个OpenSearch集群。

    cd ./terraform
    terraform init
    terraform apply -auto-approve
    

    此集群配置仅用于测试目的,因为其端点是公开的,以简化此示例代码的使用。

  2. 现在我们有了一个支持向量引擎的运行中的OpenSearch集群,我们将开始上传将帮助我们进行提示工程的数据。对于这个示例,我们将使用来自Hugging Faceembedding-training-data中的gooaq_pairs数据源,我们将下载它,并调用Titan嵌入来获取文本嵌入,然后将其存储在OpenSearch中以备后续步骤使用。

    python load-data-to-opensearch.py --recreate 1 --early-stop 1
    

    可选参数:

    • --recreate 用于在OpenSearch中重新创建索引
    • --early-stop 只将100个嵌入文档加载到OpenSearch中
    • --index 使用与默认rag不同的索引
    • --region 如果您不使用默认的us-east-1
  3. 现在我们已经将嵌入文本存入了OpenSearch集群,我们可以开始使用RAG查询Amazon Bedrock中的Titan文本LLM模型

    python ask-bedrock-with-rag.py --ask "在这里输入您的问题"
    

    可选参数:

    • --index 使用与默认rag不同的索引
    • --region 如果您不使用默认的us-east-1
    • --bedrock-model-id 选择不同于Anthropic's Claude v2的模型

清理

cd ./terraform
terraform destroy # 当提示确认时,输入yes,然后按回车。

贡献

有关更多信息,请参阅CONTRIBUTING

许可

这个库是根据MIT-0许可证授权的。请参阅LICENSE文件。

项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

问小白

问小白是一个基于 DeepSeek R1 模型的智能对话平台,专为用户提供高效、贴心的对话体验。实时在线,支持深度思考和联网搜索。免费不限次数,帮用户写作、创作、分析和规划,各种任务随时完成!

Project Cover

白日梦AI

白日梦AI提供专注于AI视频生成的多样化功能,包括文生视频、动态画面和形象生成等,帮助用户快速上手,创造专业级内容。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

讯飞绘镜

讯飞绘镜是一个支持从创意到完整视频创作的智能平台,用户可以快速生成视频素材并创作独特的音乐视频和故事。平台提供多样化的主题和精选作品,帮助用户探索创意灵感。

Project Cover

讯飞文书

讯飞文书依托讯飞星火大模型,为文书写作者提供从素材筹备到稿件撰写及审稿的全程支持。通过录音智记和以稿写稿等功能,满足事务性工作的高频需求,帮助撰稿人节省精力,提高效率,优化工作与生活。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

Trae

Trae是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想工具。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号