LangChain智能问答系统实战

发布时间: 2025-03-29 19:10

↑

# LangChain智能问答系统实战

本文将详细介绍如何使用LangChain构建一个智能问答系统，包括系统设计、代码实现和最佳实践。

## 系统架构

一个完整的问答系统包含以下组件：
- 文档加载器
- 文本分割器
- 向量存储
- 检索器
- 问答链

## 基础实现

### 1. 文档处理

```python
from langchain.document_loaders import TextLoader, DirectoryLoader
from langchain.text_splitter import CharacterTextSplitter

# 加载文档
loader = DirectoryLoader(
    './docs',
    glob="**/*.txt",
    loader_cls=TextLoader
)
documents = loader.load()

# 分割文本
text_splitter = CharacterTextSplitter(
    chunk_size=1000,
    chunk_overlap=200
)
docs = text_splitter.split_documents(documents)
```

### 2. 向量化存储

```python
from langchain.embeddings import OpenAIEmbeddings
from langchain.vectorstores import Chroma

# 创建向量存储
embeddings = OpenAIEmbeddings()
vectorstore = Chroma.from_documents(
    documents=docs,
    embedding=embeddings,
    persist_directory="./data"
)

# 持久化存储
vectorstore.persist()
```

### 3. 构建问答链

```python
from langchain.chains import RetrievalQA
from langchain.llms import OpenAI

# 创建检索器
retriever = vectorstore.as_retriever(
    search_type="similarity",
    search_kwargs={"k": 3}
)

# 创建问答链
qa_chain = RetrievalQA.from_chain_type(
    llm=OpenAI(),
    chain_type="stuff",
    retriever=retriever,
    return_source_documents=True
)

# 提问
response = qa_chain({"query": "什么是Python？"})
print(response["result"])
```

## 高级特性

### 1. 自定义提示模板

```python
from langchain.prompts import PromptTemplate

# 创建模板
template = """使用以下上下文回答问题。如果不知道答案，请说"我不知道

元素码农