langchain.retrievers.document_compressors(chain_extract).LLMChainExtractor

class langchain.retrievers.document_compressors(chain_extract).LLMChainExtractor

继承自: BaseDocumentCompressor

使用LLM链提取文档相关部分的文档压缩器。

通过解析和验证关键字参数中的输入数据来创建一个新的模型。

如果输入数据无法解析成有效的模型，则引发ValidationError。

param get_input: Callable[[str, Document], dict] = <function default_get_input>

从查询和文档中构建链输入的可调用函数。

param llm_chain: LLMChain [Required]

用于压缩文档的LLM包装器。

async acompress_documents(documents: Sequence[Document], query: str, callbacks: Optional[Union[List[BaseCallbackHandler], BaseCallbackManager]] = None) → Sequence[Document]

异步压缩原始文档的页面内容。

参数

• documents (Sequence[Document]) –

• query (str) –

• 回调 (可选[联合[列表[BaseCallbackHandler], BaseCallbackManager]]) –

返回类型

序列[文档]

compress_documents(documents: Sequence[文档], query: str, callbacks: Optional[Union[列表[BaseCallbackHandler], BaseCallbackManager]] = None) → 序列[文档]

压缩原始文档的页面内容。

参数

• documents (Sequence[Document]) –

• query (str) –

• 回调 (可选[联合[列表[BaseCallbackHandler], BaseCallbackManager]]) –

返回类型

序列[文档]

classmethod from_llm(llm: BaseLanguageModel, prompt: Optional[PromptTemplate] = None, get_input: Optional[Callable[[str, Document], str]] = None, llm_chain_kwargs: Optional[dict] = None) → LLMChainExtractor

从LLM初始化。

参数

• llm (BaseLanguageModel) –

• prompt (可选[]PromptTemplate]) –

• get_input (可选[]Callable[][str,Document],str][]) –

• llm_chain_kwargs (可选[]dict[]) –

返回类型

LLMChainExtractor

使用LLMChainExtractor的示例

• 如何进行基于上下文压缩的检索