查询转换

LlamaIndex 允许您对索引结构执行查询转换。查询转换是将一个查询转换为另一个查询的模块。它们可以是单步的，即在查询针对索引执行之前运行一次转换。

它们也可以是多步骤的，例如：

查询被转换，针对索引执行，
响应被获取。
后续查询以顺序方式转换/执行。

我们在下面更详细地列出了一些查询转换方法。

使用案例

查询转换具有多种应用场景：

将初始查询转换为更容易嵌入的形式（例如 HyDE）
将初始查询转换为可以更轻松从数据中回答的子问题（单步查询分解）
将初始查询分解为多个子问题，这些子问题可以更容易地独立回答。（多步骤查询分解）

HyDE（假设文档嵌入）

HyDE 是一种技术，当给定一个自然语言查询时，首先生成一个假设的文档/答案。然后使用这个假设的文档进行嵌入查找，而不是原始查询。

要使用HyDE，下面展示了一个示例代码片段。

from llama_index.core import VectorStoreIndex, SimpleDirectoryReader
from llama_index.core.indices.query.query_transform.base import (
    HyDEQueryTransform,
)
from llama_index.core.query_engine import TransformQueryEngine

# load documents, build index
documents = SimpleDirectoryReader("../paul_graham_essay/data").load_data()
index = VectorStoreIndex(documents)

# run query with HyDE query transform
query_str = "what did paul graham do after going to RISD"
hyde = HyDEQueryTransform(include_original=True)
query_engine = index.as_query_engine()
query_engine = TransformQueryEngine(query_engine, query_transform=hyde)
response = query_engine.query(query_str)
print(response)

查看我们的示例笔记本获取完整演示。

多步骤查询转换

多步查询转换是在现有单步查询转换方法基础上的一种泛化。

给定一个初始的复杂查询，该查询会被转换并在索引上执行。响应从查询中获取。根据响应（以及先前的响应）和查询，可能还会对索引提出后续问题。这种技术允许针对单一知识源运行查询，直到该查询满足所有问题。

示例如下图所示。

以下是一个对应的示例代码片段。

from llama_index.core.indices.query.query_transform.base import (
    StepDecomposeQueryTransform,
)

# gpt-4
step_decompose_transform = StepDecomposeQueryTransform(llm, verbose=True)

query_engine = index.as_query_engine()
query_engine = MultiStepQueryEngine(
    query_engine, query_transform=step_decompose_transform
)

response = query_engine.query(
    "Who was in the first batch of the accelerator program the author started?",
)
print(str(response))

查看我们的示例笔记本获取完整演示。