Dynamiq
Dynamiq 是您的一体化生成式 AI 框架，旨在简化 AI 驱动型应用程序的开发。Dynamiq 专注于编排检索增强生成 (RAG) 和大型语言模型 (LLM) 代理。
Qdrant 是 Dynamiq 中可用的向量数据库，能够服务于多种角色。它可用于写入和检索文档、作为代理交互的内存，以及充当代理在需要时可调用的检索工具。
安装
首先，请确保已安装 dynamiq 库
$ pip install dynamiq
检索器节点
QdrantDocumentRetriever 节点能够根据向量相似度搜索高效检索相关文档。
from dynamiq.nodes.retrievers import QdrantDocumentRetriever
from dynamiq import Workflow
# Define a retriever node to fetch most relevant documents
retriever_node = QdrantDocumentRetriever(
index_name="default",
top_k=5, # Optional: Maximum number of documents to retrieve
filters={...} # Optional: Additional filtering conditions
)
# Create a workflow and add the retriever node
wf = Workflow()
wf.flow.add_nodes(retriever_node)
# Execute retrieval
result = wf.run(input_data={
'embedding': query_embedding # Provide an embedded query for similarity search
})
写入器节点
QdrantDocumentWriter 节点允许将文档存储在 Qdrant 向量数据库中。
from dynamiq.nodes.writers import QdrantDocumentWriter
# Define a writer node to store documents in Qdrant
writer_node = QdrantDocumentWriter(
index_name="default",
create_if_not_exist=True
)
# Create a workflow and add the writer node
wf = Workflow()
wf.flow.add_nodes(writer_node)
# Execute writing
result = wf.run(input_data={
'documents': embedded_documents # Provide embedded documents for storage
})
额外教程
探索 Qdrant 与 Dynamiq 的更多示例和用例