构建LangChain应用程序的示例代码：35、如何使用假设性文档嵌入（HyDE）技术来改善文档索引教程

最新推荐文章于 2025-06-10 17:01:48 发布

Hugo_Hoo

最新推荐文章于 2025-06-10 17:01:48 发布

阅读量938

点赞数 8

CC 4.0 BY-SA版权

分类专栏：构建LangChain应用程序的示例代码文章标签： langchain 人工智能 AI编程

本文链接：https://blog.csdn.net/wangjiansui/article/details/139751438

使用假设性文档嵌入（HyDE）改善文档索引

摘要

本文介绍了如何使用假设性文档嵌入（Hypothetical Document Embeddings，简称HyDE），这是根据一篇论文中描述的技术。HyDE 是一种嵌入技术，它接收查询，生成一个假设性的答案，然后嵌入该生成的文档，并将其作为最终示例使用。

代码及注释

from langchain.chains import HypotheticalDocumentEmbedder, LLMChain
from langchain.prompts import PromptTemplate
from langchain_openai import OpenAI, OpenAIEmbeddings

# 初始化基础嵌入模型
base_embeddings = OpenAIEmbeddings()
# 初始化语言模型
llm = OpenAI()

# 使用web_search提示加载HyDE
embeddings = HypotheticalDocumentEmbedder.from_llm(llm, base_embeddings, "web_search")

# 现在我们可以像使用任何嵌入类一样使用它
result