Psychic
本笔记本介绍了如何从 Psychic 加载文档。有关更多详细信息，请参阅此处。
先决条件
- 请按照 本文档 中的快速入门部分进行操作
- 登录 Psychic 仪表板 并获取您的密钥
- 将前端 react 库安装到您的 Web 应用程序中，并让用户验证连接。将使用您指定的连接 ID 创建连接。
加载文档
使用 PsychicLoader 类从连接中加载文档。每个连接都有一个连接器 ID（对应于已连接的 SaaS 应用程序）和一个连接 ID（您传递到前端库中的 ID）。
# Uncomment this to install psychicapi if you don't already have it installed
!poetry run pip -q install psychicapi langchain-chroma
[1m[[0m[34;49mnotice[0m[1;39;49m][0m[39;49m A new release of pip is available: [0m[31;49m23.0.1[0m[39;49m -> [0m[32;49m23.1.2[0m
[1m[[0m[34;49mnotice[0m[1;39;49m][0m[39;49m To update, run: [0m[32;49mpip install --upgrade pip[0m
from langchain_community.document_loaders import PsychicLoader
from psychicapi import ConnectorId
# Create a document loader for google drive. We can also load from other connectors by setting the connector_id to the appropriate value e.g. ConnectorId.notion.value
# This loader uses our test credentials
google_drive_loader = PsychicLoader(
api_key="7ddb61c1-8b6a-4d31-a58e-30d1c9ea480e",
connector_id=ConnectorId.gdrive.value,
connection_id="google-test",
)
documents = google_drive_loader.load()
API 参考：PsychicLoader
将文档转换为嵌入
我们现在可以将这些文档转换为嵌入，并将它们存储在像 Chroma 这样的向量数据库中
from langchain.chains import RetrievalQAWithSourcesChain
from langchain_chroma import Chroma
from langchain_openai import OpenAI, OpenAIEmbeddings
from langchain_text_splitters import CharacterTextSplitter
text_splitter = CharacterTextSplitter(chunk_size=1000, chunk_overlap=0)
texts = text_splitter.split_documents(documents)
embeddings = OpenAIEmbeddings()
docsearch = Chroma.from_documents(texts, embeddings)
chain = RetrievalQAWithSourcesChain.from_chain_type(
OpenAI(temperature=0), chain_type="stuff", retriever=docsearch.as_retriever()
)
chain({"question": "what is psychic?"}, return_only_outputs=True)