检索阶段

收到问题后，应用程序首先会在 Elasticsearch 索引中搜索相关文档。具体做法是为问题生成一个稀疏的向量嵌入，然后在索引中搜索与之最接近的嵌入，每个嵌入都与文档的一个段落相关联。

与摄取阶段一样，Elasticsearch 索引通过ElasticsearchStore 与 Langchain 的集成进行管理：

store = ElasticsearchStore(
    es_connection=elasticsearch_client,
    index_name=INDEX,
    strategy=ElasticsearchStore.SparseVectorRetrievalStrategy(model_id=ELSER_MODEL),
)

Langchain 的 retriever 接口的invoke() 方法很好地抽象了为问题生成嵌入，然后进行搜索的过程，该方法可执行所有这些任务，并返回找到的最相关文档列表：

docs = store.as_retriever().invoke(question)
for doc in docs:
    doc_source = {**doc.metadata, 'page_content': doc.page_content}
    yield f'data: {SOURCE_TAG} {json.dumps(doc_source)}\n\n'

您可以看到返回的段落是如何作为源文件发送到客户端的。React 应用程序将在答案下方以"搜索结果" 的形式显示这些结果。

需要注意的是，在ElasticsearchStore 类中使用的strategy 参数必须与摄取过程中使用的策略相匹配。在本例中，SparseVectorRetrievalStrategy 从 Elastic 的 ELSER 模型中创建并搜索稀疏向量。您可以评估的另一个有趣选项是使用ApproxRetrievalStrategy ，它使用密集向量嵌入。