Vespa
Vespa 是一个功能齐全的搜索引擎和向量数据库。它支持向量搜索 (ANN)、词法搜索和结构化数据搜索，所有这些都在同一个查询中进行。
这个笔记本展示了如何将Vespa.ai用作 LangChain 检索器。
为了创建检索器，我们使用pyvespa来创建与 Vespa 服务的连接。
%pip install --upgrade --quiet pyvespa
from vespa.application import Vespa
vespa_app = Vespa(url="https://doc-search.vespa.oath.cloud")
这将创建一个与Vespa服务的连接，这里是Vespa文档搜索服务。使用pyvespa包，您还可以连接到Vespa云实例或本地Docker实例。
连接到服务后，您可以设置检索器
from langchain_community.retrievers import VespaRetriever
vespa_query_body = {
"yql": "select content from paragraph where userQuery()",
"hits": 5,
"ranking": "documentation",
"locale": "en-us",
}
vespa_content_field = "content"
retriever = VespaRetriever(vespa_app, vespa_query_body, vespa_content_field)
API 参考：VespaRetriever
这将设置一个 LangChain 检索器，该检索器从 Vespa 应用程序中获取文档。在这里，使用 doumentation 作为排名方法，从 paragraph 文档类型的 content 字段中检索最多 5 个结果。userQuery() 将被 LangChain 传递的实际查询替换。
请参阅pyvespa 文档以获取更多信息。
现在您可以返回结果并在 LangChain 中继续使用这些结果。
retriever.invoke("what is vespa?")