LangChain原理学习笔记

TongYiEmbeddings embeddings = new TongYiEmbeddings();embeddings.setServerAccessId(ALINLP_EMBEDDINGS_ACCESSID);embeddings.setServerUrl(ALINLP_EMBEDDINGS_SERVER_URL);embeddings.setServerUuid(ALINLP_EMBEDDINGS_UUID);Document document = new Document();document.setPageContent(rawText);List<Document> documents = embeddings.embedDocument(Arrays.asList(document));Document  vecDocument= documents.get(0);// 向量化知识String embeddingString = JSON.toJSONString(vecDocument.getEmbedding()).replaceAll("\\[", "{").replaceAll("\\]", "}");
return embeddingString;

  select origin_content as originContent,        origin_title as originTitle,        pm_approx_squared_euclidean_distance(embedding_title, #{embeddingTitle}) as distancefrom vs_knowledgeorder by distance asclimit #{limit}        

//1. 初始化ChatGLM的参数ChatGLMV2Internal chatGLMV2Internal = new ChatGLMV2Internal();chatGLMV2Internal.setTemperature(0.01d);chatGLMV2Internal.setMaxLength(2048);

//2. 提示词编写PromptTemplate prompt = new PromptTemplate();String template = "已知信息：\n" +"{context} \n" +"\n" +"根据上述已知信息，简洁和专业的来回答用户的问题。如果无法从中得到答案，请说 “根据已知信息无法回答该问题” 或 “没有提供足够的相关信息”，不允许在答案中添加编造成分，答案请使用中文。问题是：{question}";prompt.setTemplate(template);
//3. 向量数据库检索配置，比如最大向量距离RetrievalQA qa = new RetrievalQA();qa.setRecommend(5);qa.setMaxDistanceValue(10000.0d);qa.setLlm(chatGLMV2Internal);qa.setPrompt(prompt);qa.setRetriever(holoRetriver.asRetriever());qa.init();
//4. LLM大模型问答Map<String, Object> inputs = new HashMap<>();inputs.put("question", question);inputs.put("input", question);Map<String, Object> outputs = qa.run(inputs);
llmKonwledgeDO.setContent(String.valueOf(outputs.get("text")));// 补充 doclistreturn llmKonwledgeDO;

this.setName("ApiLogTool");this.setDescription("这是一个调用日志查询接口，如果[{question}]中包含requestId关键字,你可以请求这个工具与日志系统进行交互，调用这个工具。\n" +                    "请先提取出requestId的值，将它赋值为value。调用参数：[{\"requestId\": \"value\", \"type\": \"String\", \"description\": \"调用请求id\"}]。");

Map<String,Object> parse = (Map<String,Object>)JSON.parse(toolInput);if(parse.get("requestId")==null){    return new ToolExecuteResult("");}String requestId = parse.get("requestId").toString();ApiLogSearchQuery apiLogSearchQuery = new ApiLogSearchQuery();//日志查询解析处理

public static final String FORMAT_INSTRUCTIONS_CH ="用户提出了一个问题: {question} \n" +"你可以选择使用下面这些工具：\n"+"{tool_list_description}"+"\n"+"同时你的思考过程如下："+"Thought: 每一次你需要首先思考你应该做什么\n" +"Action: 你需要决定是否使用工具，应该是[{tool_names}] 中的一个Action，格式为JSON。如果匹配不到工具，就不要思考了，直接返回结果，请不要把思考过程返回给用户。\n" +"Input: 如果匹配到工具，使用的工具的输入参数，赋值给params\n" +"Observation: 如果匹配到工具，工具的输出结果 格式为[]。\n" +"Answer: 每一步回答问题的答案，格式为JSON。你可以多次使用Thought/Action/Input/Observation/Answer来一步一步的思考如何回答问题。\n";