深入理解HyDE
这个模板使用了带有RAG的HyDE。
Hyde是一种检索方法，代表着Hypothetical Document Embeddings（HyDE）。它是一种通过为传入查询生成假设文档来增强检索的方法。
然后对文档进行嵌入，并利用该嵌入来查找与假设文档相似的真实文档。
其基本概念是，假设文档在嵌入空间中可能比查询更接近。
更详细的描述，请参阅论文这里。
环境设置
设置OPENAI_API_KEY环境变量以访问OpenAI模型。
使用方法
要使用此软件包，您首先应该安装LangChain CLI：
shell
pip install -U langchain-cli要创建一个新的LangChain项目并将其安装为唯一软件包，您可以执行：
shell
langchain app new my-app --package hyde如果要将其添加到现有项目中，只需运行：
shell
langchain app add hyde并将以下代码添加到您的server.py文件中：
python
from hyde.chain import chain as hyde_chain
add_routes(app, hyde_chain, path="/hyde")（可选）现在让我们配置LangSmith。
LangSmith将帮助我们跟踪、监视和调试LangChain应用程序。
您可以在这里注册LangSmith。
如果您没有访问权限，可以跳过此部分
shell
export LANGCHAIN_TRACING_V2=true
export LANGCHAIN_API_KEY=<your-api-key>
export LANGCHAIN_PROJECT=<your-project> # 如果未指定，默认为"default"如果您在此目录中，则可以通过以下方式直接启动LangServe实例：
shell
langchain serve这将在本地启动一个 FastAPI 应用程序，服务器运行在 http://localhost:8000
我们可以在 http://127.0.0.1:8000/docs 上看到所有模板
我们可以在 http://127.0.0.1:8000/neo4j_cypher/playground 访问 playground
我们可以通过以下代码从代码中访问模板：
python
from langserve.client import RemoteRunnable
runnable = RemoteRunnable("http://localhost:8000/hyde")