LangChain之关于RetrievalQA input_variables 的定义与使用

from langchain.llms import OpenAI
from langchain.chat_models import ChatOpenAI
from langchain.retrievers import ElasticsearchRetriever
from langchain.vectorstores import ElasticsearchVectorstore
from langchain.agents import RetrievalQA
from langchain.schema import LLMChain
 
# 初始化OpenAI LLM
openai = OpenAI()
chat = ChatOpenAI(llm=openai)
 
# 初始化Elasticsearch Retriever和Elasticsearch Vectorstore
retriever = ElasticsearchRetriever(host="localhost", port=9200, index="documents")
vectorstore = ElasticsearchVectorstore(host="localhost", port=9200, index="documents")
 
# 创建RetrievalQA Agent
qa = RetrievalQA(
    retriever=retriever,
    vectorstore=vectorstore,
    llm=chat,
    input_variables=["query", "question"]  # 设置input_variables为["query", "question"]
)
 
# 示例问题
question = "你好，世界！"
 
# 使用RetrievalQA Agent处理问题
response = qa.run(question)
print(response)

这段代码首先导入了必要的langchain模块，并初始化了OpenAI作为LLM，以及Elasticsearch作为搜索引擎和向量存储。然后，它创建了一个RetrievalQA Agent，并设置其input_variables属性为["query", "question"]，这意味着该Agent将接受名为"query"或"question"的输入。最后，它使用该Agent处理了一个问题，并打印了响应。这个例子展示了如何定制RetrievalQA Agent的输入变量，以适应不同的问答系统需求。