使用 KaibanJS 中的網站 RAG 工具簡化 Web 資料分析-js教程-PHP中文網

使用 KaibanJS 中的網站 RAG 工具簡化 Web 資料分析

DDD

發布： 2025-01-28 02:30:09

原創

1012 人瀏覽過

在當今數據驅動的世界中，從網站中提取見解至關重要，但往往具有挑戰性。想像一下手動分析來自眾多網站的數據以進行市場研究的難度。 網站 RAG 搜尋工具（KaibanJS 整合）簡化了此過程，支援人工智慧驅動的 Web 內容語義搜尋。

什麼是網站 RAG 搜尋工具？

該工具將強大的 HTML 解析與檢索增強生成 (RAG) 相結合，簡化了網站資料擷取和分析。

主要特點：

智慧網頁解析：使用先進演算法高效率處理網頁內容。
上下文搜尋：提供超越簡單關鍵字匹配的富有洞察力的結果。
HTML 相容性： 利用 Cheerio 進行精確的 HTML 解析。
靈活的配置：允許自訂嵌入和向量儲存以滿足不同的專案需求。

Simplifying Web Data Analysis with the Website RAG Tool in KaibanJS

為什麼要將網站 RAG 搜尋工具與 KaibanJS 結合使用？

將此工具整合到 KaibanJS 中，使開發人員和 AI 代理程式能夠：

產生智慧答案：根據全面的網路內容分析提供詳細的答案。
提高效率：自動化資料檢索，節省寶貴的時間。
處理複雜查詢：使人工智慧代理能夠準確地處理複雜的使用者請求。

開始使用網站 RAG 搜尋工具

使用以下步驟在您的 KaibanJS 專案中實現網站 RAG 搜尋工具：

第 1 步：安裝必要的軟體包

安裝 KaibanJS 工具包和 Cheerio：

<code class="language-bash">npm install @kaibanjs/tools cheerio</code>

登入後複製

第 2 步：保護您的 OpenAI API 金鑰

從 OpenAI 開發者平台取得 OpenAI API 金鑰以啟用語意搜尋。

第 3 步：整合網站 RAG 搜尋工具

這是一個範例實作：

<code class="language-javascript">import { WebsiteSearch } from '@kaibanjs/tools';
import { Agent, Task, Team } from 'kaibanjs';

// Initialize the tool
const websiteSearchTool = new WebsiteSearch({
  OPENAI_API_KEY: 'your-openai-api-key',
  url: 'https://example.com'
});

// Create an agent using the tool
const webAnalyst = new Agent({
    name: 'Emma',
    role: 'Web Content Analyst',
    goal: 'Analyze website data using semantic search',
    background: 'Web Content Specialist',
    tools: [websiteSearchTool]
});

// Define a task for the agent
const websiteAnalysisTask = new Task({
    description: 'Analyze {url} to answer: {query}',
    expectedOutput: 'Detailed answers from website content',
    agent: webAnalyst
});

// Create a team
const webSearchTeam = new Team({
    name: 'Web Analysis Team',
    agents: [webAnalyst],
    tasks: [websiteAnalysisTask],
    inputs: {
        url: 'https://example.com',
        query: 'What are the key features of this website?'
    },
    env: {
        OPENAI_API_KEY: 'your-openai-api-key'
    }
});</code>

登入後複製

進階：松果整合

為了增強可擴充性，整合 Pinecone 進行自訂向量儲存：

<code class="language-javascript">import { PineconeStore } from '@langchain/pinecone';
import { Pinecone } from '@pinecone-database/pinecone';
import { OpenAIEmbeddings } from '@langchain/openai';

// ... (embeddings and pinecone setup as in original example) ...

const websiteSearchTool = new WebsiteSearch({
  OPENAI_API_KEY: 'your-openai-api-key',
  url: 'https://example.com',
  embeddings: embeddings,
  vectorStore: vectorStore
});</code>

登入後複製