如何建構查詢分析的篩選器

我們可能需要進行查詢分析，以擷取篩選器並傳遞到檢索器中。我們要求 LLM 表示這些篩選器的一種方式是作為 Pydantic 模型。然後就出現了將該 Pydantic 模型轉換為可以傳遞到檢索器的篩選器的問題。

這可以手動完成，但 LangChain 也提供了一些「翻譯器」，能夠將通用語法翻譯成特定於每個檢索器的篩選器。在這裡，我們將介紹如何使用這些翻譯器。

from typing import Optional

from langchain.chains.query_constructor.ir import (
    Comparator,
    Comparison,
    Operation,
    Operator,
    StructuredQuery,
)
from langchain_community.query_constructors.chroma import ChromaTranslator
from langchain_community.query_constructors.elasticsearch import ElasticsearchTranslator
from pydantic import BaseModel

API 參考：Comparator | Comparison | Operation | Operator | StructuredQuery | ChromaTranslator | ElasticsearchTranslator

在此範例中，year 和 author 都是要篩選的屬性。

class Search(BaseModel):
    query: str
    start_year: Optional[int]
    author: Optional[str]

search_query = Search(query="RAG", start_year=2022, author="LangChain")

def construct_comparisons(query: Search):
    comparisons = []
    if query.start_year is not None:
        comparisons.append(
            Comparison(
                comparator=Comparator.GT,
                attribute="start_year",
                value=query.start_year,
            )
        )
    if query.author is not None:
        comparisons.append(
            Comparison(
                comparator=Comparator.EQ,
                attribute="author",
                value=query.author,
            )
        )
    return comparisons

comparisons = construct_comparisons(search_query)

_filter = Operation(operator=Operator.AND, arguments=comparisons)

ElasticsearchTranslator().visit_operation(_filter)

{'bool': {'must': [{'range': {'metadata.start_year': {'gt': 2022}}},
   {'term': {'metadata.author.keyword': 'LangChain'}}]}}

ChromaTranslator().visit_operation(_filter)

{'$and': [{'start_year': {'$gt': 2022}}, {'author': {'$eq': 'LangChain'}}]}