feature@init
This commit is contained in:
yanqiang
commit
96cd96f10d
|
|
@ -0,0 +1 @@
|
|||
.idea
|
||||
|
|
@ -0,0 +1,16 @@
|
|||
# chinese-langchain
|
||||
|
||||
> Chinese-LangChain：中文langchain，基于ChatGLM-6b+langchain实现本地化知识库检索与智能答案生成
|
||||
|
||||
## 特性
|
||||
|
||||
- 支持多种文档上传与内容解析：pdf、docx，ppt等
|
||||
- 支持知识增量更新
|
||||
|
||||
[//]: # (- 支持检索结果与LLM生成结果对比)
|
||||
|
||||
## 引用
|
||||
|
||||
- webui参考：https://github.com/thomas-yanxin/LangChain-ChatGLM-Webui
|
||||
- knowledge文档参考：https://github.com/imClumsyPanda/langchain-ChatGLM
|
||||
- LLM模型：https://github.com/THUDM/ChatGLM-6B
|
||||
|
|
@ -0,0 +1,11 @@
|
|||
#!/usr/bin/env python
|
||||
# -*- coding:utf-8 _*-
|
||||
"""
|
||||
@author:quincy qiang
|
||||
@license: Apache Licence
|
||||
@file: __init__.py
|
||||
@time: 2023/04/17
|
||||
@contact: yanqiangmiffy@gamil.com
|
||||
@software: PyCharm
|
||||
@description: coding..
|
||||
"""
|
||||
|
|
@ -0,0 +1,18 @@
|
|||
#!/usr/bin/env python
|
||||
# -*- coding:utf-8 _*-
|
||||
"""
|
||||
@author:quincy qiang
|
||||
@license: Apache Licence
|
||||
@file: config.py
|
||||
@time: 2023/04/17
|
||||
@contact: yanqiangmiffy@gamil.com
|
||||
@software: PyCharm
|
||||
@description: coding..
|
||||
"""
|
||||
|
||||
|
||||
class LangChainCFG:
|
||||
llm_model_name = 'chatglm-6b' # 本地模型文件 or huggingface远程仓库
|
||||
embedding_model_name = 'text2vec-large-chinese' # 检索模型文件 or huggingface远程仓库
|
||||
vector_store_path = '.'
|
||||
docs_path = './docs'
|
||||
|
|
@ -0,0 +1,67 @@
|
|||
#!/usr/bin/env python
|
||||
# -*- coding:utf-8 _*-
|
||||
"""
|
||||
@author:quincy qiang
|
||||
@license: Apache Licence
|
||||
@file: generate.py
|
||||
@time: 2023/04/17
|
||||
@contact: yanqiangmiffy@gamil.com
|
||||
@software: PyCharm
|
||||
@description: coding..
|
||||
"""
|
||||
|
||||
from typing import List, Optional
|
||||
|
||||
from langchain.llms.base import LLM
|
||||
from langchain.llms.utils import enforce_stop_tokens
|
||||
from transformers import AutoModel, AutoTokenizer
|
||||
|
||||
|
||||
class ChatGLMService(LLM):
|
||||
max_token: int = 10000
|
||||
temperature: float = 0.1
|
||||
top_p = 0.9
|
||||
history = []
|
||||
tokenizer: object = None
|
||||
model: object = None
|
||||
|
||||
def __init__(self):
|
||||
super().__init__()
|
||||
|
||||
@property
|
||||
def _llm_type(self) -> str:
|
||||
return "ChatGLM"
|
||||
|
||||
def _call(self,
|
||||
prompt: str,
|
||||
stop: Optional[List[str]] = None) -> str:
|
||||
response, _ = self.model.chat(
|
||||
self.tokenizer,
|
||||
prompt,
|
||||
history=self.history,
|
||||
max_length=self.max_token,
|
||||
temperature=self.temperature,
|
||||
)
|
||||
if stop is not None:
|
||||
response = enforce_stop_tokens(response, stop)
|
||||
self.history = self.history + [[None, response]]
|
||||
return response
|
||||
|
||||
def load_model(self,
|
||||
model_name_or_path: str = "THUDM/chatglm-6b"):
|
||||
self.tokenizer = AutoTokenizer.from_pretrained(
|
||||
model_name_or_path,
|
||||
trust_remote_code=True
|
||||
)
|
||||
self.model = (
|
||||
AutoModel.from_pretrained(
|
||||
model_name_or_path,
|
||||
trust_remote_code=True)
|
||||
.half()
|
||||
.cuda()
|
||||
)
|
||||
|
||||
# if __name__ == '__main__':
|
||||
# config=LangChainCFG()
|
||||
# chatLLM = ChatGLMService()
|
||||
# chatLLM.load_model(model_name_or_path=config.llm_model_name)
|
||||
|
|
@ -0,0 +1,65 @@
|
|||
#!/usr/bin/env python
|
||||
# -*- coding:utf-8 _*-
|
||||
"""
|
||||
@author:quincy qiang
|
||||
@license: Apache Licence
|
||||
@file: model.py
|
||||
@time: 2023/04/17
|
||||
@contact: yanqiangmiffy@gamil.com
|
||||
@software: PyCharm
|
||||
@description: coding..
|
||||
"""
|
||||
|
||||
from langchain.chains import RetrievalQA
|
||||
from langchain.prompts.prompt import PromptTemplate
|
||||
from clc.gpt_service import ChatGLMService
|
||||
from clc.source_service import SourceService
|
||||
|
||||
|
||||
class LangChainApplication(object):
|
||||
def __init__(self, config):
|
||||
self.config = config
|
||||
self.llm_service = ChatGLMService()
|
||||
self.llm_service.load_model(model_name_or_path=self.config.llm_model_name)
|
||||
self.source_service = SourceService(config)
|
||||
self.source_service.init_source_vector()
|
||||
|
||||
def get_knowledge_based_answer(self, query,
|
||||
history_len=5,
|
||||
temperature=0.1,
|
||||
top_p=0.9,
|
||||
chat_history=[]):
|
||||
prompt_template = """基于以下已知信息，简洁和专业的来回答用户的问题。
|
||||
如果无法从中得到答案，请说 "根据已知信息无法回答该问题" 或 "没有提供足够的相关信息"，不允许在答案中添加编造成分，答案请使用中文。
|
||||
已知内容:
|
||||
{context}
|
||||
问题:
|
||||
{question}"""
|
||||
prompt = PromptTemplate(template=prompt_template,
|
||||
input_variables=["context", "question"])
|
||||
self.llm_service.history = chat_history[-history_len:] if history_len > 0 else []
|
||||
|
||||
self.llm_service.temperature = temperature
|
||||
self.llm_service.top_p = top_p
|
||||
|
||||
knowledge_chain = RetrievalQA.from_llm(
|
||||
llm=self.llm_service,
|
||||
retriever=self.source_service.vector_store.as_retriever(
|
||||
search_kwargs={"k": 2}),
|
||||
prompt=prompt)
|
||||
knowledge_chain.combine_documents_chain.document_prompt = PromptTemplate(
|
||||
input_variables=["page_content"], template="{page_content}")
|
||||
|
||||
knowledge_chain.return_source_documents = True
|
||||
|
||||
result = knowledge_chain({"query": query})
|
||||
return result
|
||||
|
||||
# if __name__ == '__main__':
|
||||
# config = LangChainCFG()
|
||||
# application = LangChainApplication(config)
|
||||
# result = application.get_knowledge_based_answer('马保国是谁')
|
||||
# print(result)
|
||||
# application.source_service.add_document('/home/searchgpt/yq/Knowledge-ChatGLM/docs/added/马保国.txt')
|
||||
# result = application.get_knowledge_based_answer('马保国是谁')
|
||||
# print(result)
|
||||
|
|
@ -0,0 +1,65 @@
|
|||
#!/usr/bin/env python
|
||||
# -*- coding:utf-8 _*-
|
||||
"""
|
||||
@author:quincy qiang
|
||||
@license: Apache Licence
|
||||
@file: search.py
|
||||
@time: 2023/04/17
|
||||
@contact: yanqiangmiffy@gamil.com
|
||||
@software: PyCharm
|
||||
@description: coding..
|
||||
"""
|
||||
|
||||
import os
|
||||
|
||||
from langchain.document_loaders import UnstructuredFileLoader
|
||||
from langchain.embeddings.huggingface import HuggingFaceEmbeddings
|
||||
from langchain.vectorstores import FAISS
|
||||
|
||||
|
||||
class SourceService(object):
|
||||
def __init__(self, config):
|
||||
self.config = config
|
||||
self.embeddings = HuggingFaceEmbeddings(model_name=self.config.embedding_model_name)
|
||||
self.docs_path = self.config.docs_path
|
||||
self.vector_store_path = self.config.vector_store_path
|
||||
|
||||
def init_source_vector(self):
|
||||
"""
|
||||
初始化本地知识库向量
|
||||
:return:
|
||||
"""
|
||||
docs = []
|
||||
for doc in os.listdir(self.docs_path):
|
||||
if doc.endswith('.txt'):
|
||||
print(doc)
|
||||
loader = UnstructuredFileLoader(f'{self.docs_path}/{doc}', mode="elements")
|
||||
doc = loader.load()
|
||||
docs.extend(doc)
|
||||
self.vector_store = FAISS.from_documents(docs, self.embeddings)
|
||||
self.vector_store.save_local(self.vector_store_path)
|
||||
|
||||
def add_document(self, document_path):
|
||||
loader = UnstructuredFileLoader(document_path, mode="elements")
|
||||
doc = loader.load()
|
||||
self.vector_store.add_documents(doc)
|
||||
self.vector_store.save_local(self.vector_store_path)
|
||||
|
||||
def load_vector_store(self):
|
||||
self.vector_store = FAISS.load_local(self.vector_store_path, self.embeddings)
|
||||
return self.vector_store
|
||||
|
||||
# if __name__ == '__main__':
|
||||
# config = LangChainCFG()
|
||||
# source_service = SourceService(config)
|
||||
# source_service.init_source_vector()
|
||||
# search_result = source_service.vector_store.similarity_search_with_score('科比')
|
||||
# print(search_result)
|
||||
#
|
||||
# source_service.add_document('/home/searchgpt/yq/Knowledge-ChatGLM/docs/added/科比.txt')
|
||||
# search_result = source_service.vector_store.similarity_search_with_score('科比')
|
||||
# print(search_result)
|
||||
#
|
||||
# vector_store=source_service.load_vector_store()
|
||||
# search_result = source_service.vector_store.similarity_search_with_score('科比')
|
||||
# print(search_result)
|
||||
|
|
@ -0,0 +1,2 @@
|
|||
马保国（1952年- ） [1] ，英国混元太极拳协会创始人，自称“浑元形意太极拳掌门人”。 [2-4]
|
||||
2020年11月15日，马保国首度回应“屡遭恶搞剪辑”：“远离武林，已回归平静生活” [5] ；11月16日，马保国宣布将参演电影《少年功夫王》。 [6] 11月28日，人民日报客户端刊发评论《马保国闹剧，该立刻收场了》。 [7] 11月29日，新浪微博社区管理官方发布公告称，已解散马保国相关的粉丝群。 [8]
|
||||
|
|
@ -0,0 +1,4 @@
|
|||
姚明（Yao Ming），男，汉族，无党派人士，1980年9月12日出生于上海市徐汇区，祖籍江苏省苏州市吴江区震泽镇，前中国职业篮球运动员，司职中锋，现任亚洲篮球联合会主席、中国篮球协会主席、中职联公司董事长兼总经理， [1-3] 十三届全国青联副主席， [4] 改革先锋奖章获得者。 [5] 第十四届全国人大代表 [108] 。
|
||||
1998年4月，姚明入选王非执教的国家队，开始篮球生涯。2001夺得CBA常规赛MVP，2002年夺得CBA总冠军以及总决赛MVP，分别3次当选CBA篮板王以及盖帽王，2次当选CBA扣篮王。在2002年NBA选秀中，他以状元秀身份被NBA的休斯敦火箭队选中，2003-09年连续6个赛季（生涯共8次）入选NBA全明星赛阵容，2次入选NBA最佳阵容二阵，3次入选NBA最佳阵容三阵。2009年，姚明收购上海男篮，成为上海久事大鲨鱼俱乐部老板。2011年7月20日，姚明宣布退役。
|
||||
2013年，姚明当选为第十二届全国政协委员。2015年2月10日，姚明正式成为北京申办冬季奥林匹克运动会形象大使之一。2016年4月4日，姚明正式入选2016年奈史密斯篮球名人纪念堂，成为首位获此殊荣的中国人；10月，姚明成为中国“火星大使”；11月，当选CBA公司副董事长。 [6]
|
||||
2017年10月20日，姚明已将上海哔哩哔哩俱乐部全部股权转让。 [7] 2018年9月，荣获第十届“中华慈善奖”慈善楷模奖项。 [8] 2019年10月28日，胡润研究院发布《2019胡润80后白手起家富豪榜》，姚明以22亿元排名第48。
|
||||
|
|
@ -0,0 +1,4 @@
|
|||
王治郅，1977年7月8日出生于北京，前中国篮球运动员，司职大前锋/中锋，现已退役。 [1]
|
||||
1991年12月，王治郅进入八一青年男子篮球队。1993年初入选中国少年特殊身材篮球队，并于同年入选中国青年男子篮球队，后加入八一男子篮球队。2001-05年曾效力于NBA独行侠、快船以及热火队。 [1]
|
||||
2015年9月15日新赛季CBA注册截止日，八一队的球员注册名单上并没有出现38岁老将王治郅的名字，王治郅退役已成事实 [2] 。2016年7月5日，王治郅的退役仪式在北京奥体中心举行，在仪式上，王治郅正式宣布退役。 [3] 2018年7月，王治郅正式成为八一南昌队主教练。 [1] [4]
|
||||
王治郅是中国篮球界进入NBA的第一人，被评选为中国篮坛50大杰出人物和中国申办奥运特使。他和姚明、蒙克·巴特尔一起，被称为篮球场上的“移动长城”。 [5]
|
||||
|
|
@ -0,0 +1,5 @@
|
|||
科比·布莱恩特（Kobe Bryant，1978年8月23日—2020年1月26日），全名科比·比恩·布莱恩特·考克斯（Kobe Bean Bryant Cox），出生于美国宾夕法尼亚州费城，美国已故篮球运动员，司职得分后卫/小前锋。 [5] [24] [84]
|
||||
1996年NBA选秀，科比于第1轮第13顺位被夏洛特黄蜂队选中并被交易至洛杉矶湖人队，整个NBA生涯都效力于洛杉矶湖人队；共获得5次NBA总冠军、1次NBA常规赛MVP、2次NBA总决赛MVP、4次NBA全明星赛MVP、2次NBA赛季得分王；共入选NBA全明星首发阵容18次、NBA最佳阵容15次（其中一阵11次、二阵2次、三阵2次）、NBA最佳防守阵容12次（其中一阵9次、二阵3次）。 [9] [24]
|
||||
2007年，科比首次入选美国国家男子篮球队，后帮助美国队夺得2007年美洲男篮锦标赛金牌、2008年北京奥运会男子篮球金牌以及2012年伦敦奥运会男子篮球金牌。 [91]
|
||||
2015年11月30日，科比发文宣布将在赛季结束后退役。 [100] 2017年12月19日，湖人队为科比举行球衣退役仪式。 [22] 2020年4月5日，科比入选奈·史密斯篮球名人纪念堂。 [7]
|
||||
美国时间2020年1月26日（北京时间2020年1月27日），科比因直升机事故遇难，享年41岁。 [23]
|
||||
|
|
@ -0,0 +1,141 @@
|
|||
#!/usr/bin/env python
|
||||
# -*- coding:utf-8 _*-
|
||||
"""
|
||||
@author:quincy qiang
|
||||
@license: Apache Licence
|
||||
@file: main.py
|
||||
@time: 2023/04/17
|
||||
@contact: yanqiangmiffy@gamil.com
|
||||
@software: PyCharm
|
||||
@description: coding..
|
||||
"""
|
||||
|
||||
import os
|
||||
import shutil
|
||||
|
||||
import gradio as gr
|
||||
|
||||
from clc.langchain_application import LangChainApplication
|
||||
|
||||
|
||||
# 修改成自己的配置！！！
|
||||
class LangChainCFG:
|
||||
llm_model_name = '../../pretrained_models/chatglm-6b' # 本地模型文件 or huggingface远程仓库
|
||||
embedding_model_name = '../../pretrained_models/text2vec-large-chinese' # 检索模型文件 or huggingface远程仓库
|
||||
vector_store_path = './cache'
|
||||
docs_path = './docs'
|
||||
|
||||
|
||||
config = LangChainCFG()
|
||||
application = LangChainApplication(config)
|
||||
|
||||
|
||||
def get_file_list():
|
||||
if not os.path.exists("docs"):
|
||||
return []
|
||||
return [f for f in os.listdir("docs")]
|
||||
|
||||
|
||||
file_list = get_file_list()
|
||||
|
||||
|
||||
def upload_file(file):
|
||||
if not os.path.exists("docs"):
|
||||
os.mkdir("docs")
|
||||
filename = os.path.basename(file.name)
|
||||
shutil.move(file.name, "docs/" + filename)
|
||||
# file_list首位插入新上传的文件
|
||||
file_list.insert(0, filename)
|
||||
application.source_service.add_document("docs/" + filename)
|
||||
return gr.Dropdown.update(choices=file_list, value=filename)
|
||||
|
||||
|
||||
def clear_session():
|
||||
return '', None
|
||||
|
||||
|
||||
def predict(input,
|
||||
large_language_model,
|
||||
embedding_model,
|
||||
history=None):
|
||||
print(large_language_model, embedding_model)
|
||||
if history == None:
|
||||
history = []
|
||||
resp = application.get_knowledge_based_answer(
|
||||
query=input,
|
||||
history_len=5,
|
||||
temperature=0.1,
|
||||
top_p=0.9,
|
||||
chat_history=history
|
||||
)
|
||||
print(resp)
|
||||
history.append((input, resp['result']))
|
||||
return '', history, history
|
||||
|
||||
|
||||
block = gr.Blocks()
|
||||
with block as demo:
|
||||
gr.Markdown("""<h1><center>Chinese-LangChain</center></h1>
|
||||
<center><font size=3>
|
||||
</center></font>
|
||||
""")
|
||||
with gr.Row():
|
||||
with gr.Column(scale=1):
|
||||
embedding_model = gr.Dropdown([
|
||||
"text2vec-base"
|
||||
],
|
||||
label="Embedding model",
|
||||
value="text2vec-base")
|
||||
|
||||
large_language_model = gr.Dropdown(
|
||||
[
|
||||
"ChatGLM-6B-int4",
|
||||
],
|
||||
label="large language model",
|
||||
value="ChatGLM-6B-int4")
|
||||
|
||||
with gr.Tab("select"):
|
||||
selectFile = gr.Dropdown(file_list,
|
||||
label="content file",
|
||||
interactive=True,
|
||||
value=file_list[0] if len(file_list) > 0 else None)
|
||||
with gr.Tab("upload"):
|
||||
file = gr.File(label="请上传知识库文件",
|
||||
file_types=['.txt', '.md', '.docx', '.pdf']
|
||||
)
|
||||
|
||||
file.upload(upload_file,
|
||||
inputs=file,
|
||||
outputs=selectFile)
|
||||
with gr.Column(scale=4):
|
||||
chatbot = gr.Chatbot(label='Chinese-LangChain').style(height=400)
|
||||
message = gr.Textbox(label='请输入问题')
|
||||
state = gr.State()
|
||||
with gr.Row():
|
||||
clear_history = gr.Button("🧹 清除历史对话")
|
||||
send = gr.Button("🚀 发送")
|
||||
|
||||
# 发送按钮 提交
|
||||
send.click(predict,
|
||||
inputs=[
|
||||
message, large_language_model,
|
||||
embedding_model, state
|
||||
],
|
||||
outputs=[message, chatbot, state])
|
||||
|
||||
# 清空历史对话按钮 提交
|
||||
clear_history.click(fn=clear_session,
|
||||
inputs=[],
|
||||
outputs=[chatbot, state],
|
||||
queue=False)
|
||||
|
||||
# 输入框 回车
|
||||
message.submit(predict,
|
||||
inputs=[
|
||||
message, large_language_model,
|
||||
embedding_model, state
|
||||
],
|
||||
outputs=[message, chatbot, state])
|
||||
with gr.Column(scale=2):
|
||||
message = gr.Textbox(label='搜索结果')
|
||||
demo.queue().launch(server_name='0.0.0.0', server_port=8008, share=False)
|
||||
|
|
@ -0,0 +1,9 @@
|
|||
unstructured[local-inference]
|
||||
layoutparser[layoutmodels,tesseract]
|
||||
nltk
|
||||
sentence-transformers
|
||||
beautifulsoup4
|
||||
icetk
|
||||
cpm_kernels
|
||||
faiss-cpu
|
||||
gradio>=3.25.0
|
||||
|
|
@ -0,0 +1,37 @@
|
|||
import os
|
||||
|
||||
from langchain.document_loaders import UnstructuredFileLoader
|
||||
from langchain.embeddings.huggingface import HuggingFaceEmbeddings
|
||||
from langchain.vectorstores import FAISS
|
||||
|
||||
embedding_model_name = '/home/searchgpt/pretrained_models/ernie-gram-zh'
|
||||
docs_path = 'docs'
|
||||
embeddings = HuggingFaceEmbeddings(model_name=embedding_model_name)
|
||||
|
||||
docs = []
|
||||
|
||||
for doc in os.listdir(docs_path):
|
||||
if doc.endswith('.txt'):
|
||||
print(doc)
|
||||
loader = UnstructuredFileLoader(f'{docs_path}/{doc}', mode="elements")
|
||||
doc = loader.load()
|
||||
docs.extend(doc)
|
||||
|
||||
vector_store = FAISS.from_documents(docs, embeddings)
|
||||
vector_store.save_local('vector_store_local')
|
||||
search_result = vector_store.similarity_search_with_score(query='科比', k=2)
|
||||
print(search_result)
|
||||
|
||||
loader = UnstructuredFileLoader(f'{docs_path}/added/科比.txt', mode="elements")
|
||||
doc = loader.load()
|
||||
vector_store.add_documents(doc)
|
||||
print(doc)
|
||||
search_result = vector_store.similarity_search_with_score(query='科比·布莱恩特', k=2)
|
||||
print(search_result)
|
||||
|
||||
|
||||
"""
|
||||
[(Document(page_content='王治郅，1977年7月8日出生于北京，前中国篮球运动员，司职大前锋/中锋，现已退役。 [1]', metadata={'source': 'docs/王治郅.txt', 'filename': 'docs/王治郅.txt', 'category': 'Title'}), 285.40765), (Document(page_content='王治郅是中国篮球界进入NBA的第一人，被评选为中国篮坛50大杰出人物和中国申办奥运特使。他和姚明、蒙克·巴特尔一起，被称为篮球场上的“移动长城”。 [5]', metadata={'source': 'docs/王治郅.txt', 'filename': 'docs/王治郅.txt', 'category': 'NarrativeText'}), 290.19086)]
|
||||
[Document(page_content='科比·布莱恩特（Kobe Bryant，1978年8月23日—2020年1月26日），全名科比·比恩·布莱恩特·考克斯（Kobe Bean Bryant Cox），出生于美国宾夕法尼亚州费城，美国已故篮球运动员，司职得分后卫/小前锋。 [5] [24] [84]', metadata={'source': 'docs/added/科比.txt', 'filename': 'docs/added/科比.txt', 'category': 'NarrativeText'}), Document(page_content='1996年NBA选秀，科比于第1轮第13顺位被夏洛特黄蜂队选中并被交易至洛杉矶湖人队，整个NBA生涯都效力于洛杉矶湖人队；共获得5次NBA总冠军、1次NBA常规赛MVP、2次NBA总决赛MVP、4次NBA全明星赛MVP、2次NBA赛季得分王；共入选NBA全明星首发阵容18次、NBA最佳阵容15次（其中一阵11次、二阵2次、三阵2次）、NBA最佳防守阵容12次（其中一阵9次、二阵3次）。 [9] [24]', metadata={'source': 'docs/added/科比.txt', 'filename': 'docs/added/科比.txt', 'category': 'Title'}), Document(page_content='2007年，科比首次入选美国国家男子篮球队，后帮助美国队夺得2007年美洲男篮锦标赛金牌、2008年北京奥运会男子篮球金牌以及2012年伦敦奥运会男子篮球金牌。 [91]', metadata={'source': 'docs/added/科比.txt', 'filename': 'docs/added/科比.txt', 'category': 'Title'}), Document(page_content='2015年11月30日，科比发文宣布将在赛季结束后退役。 [100] 2017年12月19日，湖人队为科比举行球衣退役仪式。 [22] 2020年4月5日，科比入选奈·史密斯篮球名人纪念堂。 [7]', metadata={'source': 'docs/added/科比.txt', 'filename': 'docs/added/科比.txt', 'category': 'Title'}), Document(page_content='美国时间2020年1月26日（北京时间2020年1月27日），科比因直升机事故遇难，享年41岁。 [23]', metadata={'source': 'docs/added/科比.txt', 'filename': 'docs/added/科比.txt', 'category': 'Title'})]
|
||||
[(Document(page_content='科比·布莱恩特（Kobe Bryant，1978年8月23日—2020年1月26日），全名科比·比恩·布莱恩特·考克斯（Kobe Bean Bryant Cox），出生于美国宾夕法尼亚州费城，美国已故篮球运动员，司职得分后卫/小前锋。 [5] [24] [84]', metadata={'source': 'docs/added/科比.txt', 'filename': 'docs/added/科比.txt', 'category': 'NarrativeText'}), 179.68744), (Document(page_content='2015年11月30日，科比发文宣布将在赛季结束后退役。 [100] 2017年12月19日，湖人队为科比举行球衣退役仪式。 [22] 2020年4月5日，科比入选奈·史密斯篮球名人纪念堂。 [7]', metadata={'source': 'docs/added/科比.txt', 'filename': 'docs/added/科比.txt', 'category': 'Title'}), 200.57565)]
|
||||
"""
|
||||
Loading…
Reference in New Issue