LangChain ist ein beliebtes Framework für die Arbeit mit KI, Vektoren und Einbettungen. Es vereinfacht die Erstellung einer Vielzahl von KI-Anwendungen.
Elasticsearch kann auf drei Arten mit LangChain genutzt werden:
- Verwenden Sie den LangChain ElasticsearchStore, um Dokumente in Elasticsearch zu speichern und abzurufen.
- Verwenden Sie den LangChain Self-Query-Retriever, um mit Hilfe eines LLM wie OpenAI die Anfrage eines Nutzers in eine Abfrage mit Filter zu transformieren, um relevante Dokumente aus Elasticsearch abzurufen.
- Verwenden Sie den LangChain ElasticsearchRetriever, um Dokumente auf die flexibelste Weise aus Elasticsearch abzurufen.
Blogs für den Einstieg in Elasticsearch und LangChain
- Elasticsearch und LangChain: LLMs freischalten
- Datenschutzorientierte KI-Suche mit Elasticsearch und LangChain
Notizbücher
- Fragenbeantwortung mit LangChain und Elasticsearch
- Chatbot mit LangChain und Elasticsearch
- Beispiel für einen Self-Query-Retriever
- Self-Query-Retriever zur Beantwortung von Fragen
- Self-Query-Retriever mit BM25-Retrieval
LangServe-Vorlagen
LangChain-gestützte RAG-Referenz-App
Diese Referenz-App zeigt, wie LangChain zur Energieversorgung eines RAG-Modells (Retrieval Augmented Generation) verwendet wird. Die App verwendet den ElasticsearchStore, um Dokumente in Elasticsearch zu speichern und abzurufen. Dies ist eine schnelle Möglichkeit zum Einstieg in LangChain und Elasticsearch.
https://github.com/elastic/elasticsearch-labs/tree/main/example-apps/chatbot-rag-app