Integracja z LlamaIndex

Natywny retriever dla silników zapytań LlamaIndex ze streamingiem i wyszukiwaniem hybrydowym.

01Przegląd w 60 sekund

SeiznRetriever implementuje interfejs BaseRetriever LlamaIndex, zapewniając kompatybilność ze wszystkimi silnikami zapytań i pipeline'ami LlamaIndex.

✓Natywna integracja z silnikami zapytań LlamaIndex
✓Wbudowana obsługa odpowiedzi strumieniowych
✓Kompatybilność z postprocesorami węzłów LlamaIndex

02Instalacja

Zainstaluj Seizn SDK razem z LlamaIndex.

Installationbash

# TypeScript / JavaScript
npm install seizn llamaindex

# Python
pip install seizn llama-index

03Przykład w 5 minut

Zbuduj silnik zapytań z SeiznRetriever dla aplikacji RAG.

TypeScripttypescript

import { SeiznRetriever } from 'seizn/llamaindex';
import { OpenAI } from 'llamaindex';
import { VectorStoreIndex, RetrieverQueryEngine } from 'llamaindex';

// Initialize the Seizn retriever
const retriever = new SeiznRetriever({
  apiKey: process.env.SEIZN_API_KEY,
  dataset: 'my-docs',
  topK: 5,
  threshold: 0.7,
});

// Create a query engine with the retriever
const llm = new OpenAI({ model: 'gpt-4' });
const queryEngine = new RetrieverQueryEngine(retriever, llm);

// Query your documents
const response = await queryEngine.query(
  'How do I configure rate limiting?'
);

console.log(response.response);
// Access the trace for debugging
console.log('Trace:', response.metadata?.seiznTrace);

Pythonpython

import os
from seizn.llamaindex import SeiznRetriever
from llama_index.llms.openai import OpenAI
from llama_index.core.query_engine import RetrieverQueryEngine

# Initialize the Seizn retriever
retriever = SeiznRetriever(
    api_key=os.environ["SEIZN_API_KEY"],
    dataset="my-docs",
    top_k=5,
    threshold=0.7,
)

# Create a query engine with the retriever
llm = OpenAI(model="gpt-4")
query_engine = RetrieverQueryEngine.from_args(
    retriever=retriever,
    llm=llm,
)

# Query your documents
response = query_engine.query(
    "How do I configure rate limiting?"
)

print(response.response)
# Access the trace for debugging
print("Trace:", response.metadata.get("seizn_trace"))

04Wskazówki produkcyjne

Odpowiedzi strumieniowe

Włącz streaming dla lepszego doświadczenia użytkownika przy długich odpowiedziach.

typescript

const queryEngine = new RetrieverQueryEngine(retriever, llm);

// Enable streaming response
const stream = await queryEngine.query(
  'Explain the authentication flow',
  { streaming: true }
);

for await (const chunk of stream) {
  process.stdout.write(chunk.response);
}

Wyszukiwanie hybrydowe

Połącz wyszukiwanie wektorowe i słów kluczowych dla lepszej pełności wyników.

typescript

const retriever = new SeiznRetriever({
  apiKey: process.env.SEIZN_API_KEY,
  dataset: 'my-docs',
  searchMode: 'hybrid', // vector + keyword
  hybridAlpha: 0.7,     // 70% vector, 30% keyword
});

Postprocesory węzłów

Łącz postprocesory do zaawansowanego filtrowania i ponownego rankowania.

typescript

import { SimilarityPostprocessor, KeywordNodePostprocessor } from 'llamaindex';

const queryEngine = new RetrieverQueryEngine(retriever, llm, {
  nodePostprocessors: [
    new SimilarityPostprocessor({ similarityCutoff: 0.7 }),
    new KeywordNodePostprocessor({
      requiredKeywords: ['authentication'],
      excludeKeywords: ['deprecated'],
    }),
  ],
});

05Rozwiązywanie problemów

Błąd	Przyczyna	Rozwiązanie
`SEIZN_AUTH_ERROR`	Nieprawidłowy lub brakujący klucz API	Sprawdź zmienną środowiskową SEIZN_API_KEY
`SEIZN_DATASET_NOT_FOUND`	Nie znaleziono nazwy zestawu danych	Upewnij się, że zestaw danych istnieje w panelu sterowania
`Low relevance scores`	Niezgodność zapytania i dokumentów	Wypróbuj wyszukiwanie hybrydowe lub dostosuj próg

Integracja z LangChain Integracja z OpenTelemetry