WikipediaRetriever

概述

维基百科是一个多语言的免费在线百科全书，由志愿者社区（称为维基百科人）通过开放协作和使用名为 MediaWiki 的基于 wiki 的编辑系统编写和维护。维基百科是历史上最大、阅读量最高的参考作品。

此笔记本展示了如何将维基百科页面从 wikipedia.org 检索到下游使用的 文档 格式。

集成详情

检索器	来源	包
WikipediaRetriever	维基百科文章	langchain_community

设置

如果您想从各个工具的运行中获得自动跟踪，您还可以通过取消注释下面的内容来设置您的 LangSmith API 密钥

# os.environ["LANGSMITH_API_KEY"] = getpass.getpass("Enter your LangSmith API key: ")
# os.environ["LANGSMITH_TRACING"] = "true"

安装

该集成位于 langchain-community 包中。我们还需要安装 wikipedia python 包本身。

%pip install -qU langchain_community wikipedia

实例化

现在我们可以实例化我们的检索器

WikipediaRetriever 参数包括

• 可选 lang：默认值="en"。使用它来搜索维基百科的特定语言部分
• 可选 load_max_docs：默认值=100。使用它来限制下载文档的数量。下载所有 100 个文档需要时间，因此请为实验使用少量数字。目前硬性限制为 300。
• 可选 load_all_available_meta：默认值=False。默认情况下，仅下载最重要的字段：Published（文档发布/上次更新的日期）、title、Summary。如果为 True，则也会下载其他字段。

get_relevant_documents() 有一个参数 query：用于在维基百科中查找文档的自由文本

from langchain_community.retrievers import WikipediaRetriever

retriever = WikipediaRetriever()

API 参考：WikipediaRetriever

用法

docs = retriever.invoke("TOKYO GHOUL")

print(docs[0].page_content[:400])

Tokyo Ghoul (Japanese: 東京喰種（トーキョーグール）, Hepburn: Tōkyō Gūru) is a Japanese dark fantasy manga series written and illustrated by Sui Ishida. It was serialized in Shueisha's seinen manga magazine Weekly Young Jump from September 2011 to September 2014, with its chapters collected in 14 tankōbon volumes. The story is set in an alternate version of Tokyo where humans coexist with ghouls, beings who loo

在链中使用

与其他检索器一样，WikipediaRetriever 可以通过 链集成到 LLM 应用程序中。

我们将需要一个 LLM 或聊天模型

选择 聊天模型

OpenAI

Anthropic

Azure

Google

AWS

Cohere

NVIDIA

Fireworks AI

Groq

Mistral AI

Together AI

Databricks

pip install -qU langchain-openai

import getpass
import os

if not os.environ.get("OPENAI_API_KEY"):
  os.environ["OPENAI_API_KEY"] = getpass.getpass("Enter API key for OpenAI: ")

from langchain_openai import ChatOpenAI

llm = ChatOpenAI(model="gpt-4o-mini")

from langchain_core.output_parsers import StrOutputParser
from langchain_core.prompts import ChatPromptTemplate
from langchain_core.runnables import RunnablePassthrough

prompt = ChatPromptTemplate.from_template(
    """
    Answer the question based only on the context provided.
    Context: {context}
    Question: {question}
    """
)


def format_docs(docs):
    return "\n\n".join(doc.page_content for doc in docs)


chain = (
    {"context": retriever | format_docs, "question": RunnablePassthrough()}
    | prompt
    | llm
    | StrOutputParser()
)

API 参考：StrOutputParser | ChatPromptTemplate | RunnablePassthrough

chain.invoke(
    "Who is the main character in `Tokyo Ghoul` and does he transform into a ghoul?"
)

'The main character in Tokyo Ghoul is Ken Kaneki, who transforms into a ghoul after receiving an organ transplant from a ghoul named Rize.'

API 参考

有关所有 WikipediaRetriever 功能和配置的详细文档，请访问 API 参考。

相关

• 检索器 概念指南
• 检索器 操作指南