Elasticsearch：使用 OpenAI 生成嵌入并进行向量搜索 - nodejs

在我之前的文章：

Elasticsearch：使用 Open AI 和 Langchain 的 RAG - Retrieval Augmented Generation （一）（二）（三）（四）

我详细地描述了如何使用 LangChain 及 OpenAI 进行向量搜索及 RAG。在那篇文章中，它没有用户界面。在今天的文章中，我将展示如何使用 OpenAI 来把数据进行向量化（不是使用 Elastic Stack 提供的 eland 上传模型的方式。这种方案是完全免费的），并写入到 Elasticsearch。我们使用 Web UI 来对向量进行搜索。我们可以在如下的地址下载代码：

bash 复制代码

git clone https://github.com/liu-xiao-guo/elasticsearch-labs

我们将使用其中的一个例子：

bash 复制代码

1.  $ pwd
2.  /Users/liuxg/python/elasticsearch-labs/example-apps/openai-embeddings

安装

安装 Elasticsearch 及 Kibana

如果你还没有安装好自己的 Elasticsearch 及 Kibana，那么请参考一下的文章来进行安装：

在安装的时候，请选择 Elastic Stack 8.x 进行安装。在我下面的练习中，我将使用 Elastic Stack 8.11 来进行展示。

运行应用

在运行之前，我们在自己的 terminal 中打入如下的命令：

ini 复制代码

1.  export ELASTICSEARCH_URL=https://localhost:9200
2.  export ELASTIC_USERNAME=elastic
3.  export ELASTIC_PASSWORD=o6G_pvRL=8P*7on+o6XH
4.  export OPENAI_API_KEY=YourOpenAIKey

在我的设置中，我使用自签名证书的 Elasticsearch 集群。在上面，你需要根据自己的 Elasticsearch 超级用户及密码进行配置。你也需要在 OpenAI 的网站中申请开发者 key。你可以在地址 platform.openai.com/api-keys 进行申请。

另外，我们需要拷贝 Elasticsearch 的证书到当前的目录中：

bash 复制代码

1.  $ pwd
2.  /Users/liuxg/python/elasticsearch-labs/example-apps/openai-embeddings
3.  $ cp ~/elastic/elasticsearch-8.11.0/config/certs/http_ca.crt .
4.  $ ls
5.  LICENSE                http_ca.crt            package.json           utils.js
6.  README.md              images                 sample_data            views
7.  generate_embeddings.js package-lock.json      search_app.js

如上所示，generate_embeddings.js 这个文件是用来使用 OpenAI 来生产 embeddings 的。关于如何使用证书及签名连接到 Elasticsearch，请参阅之前的文章 "Elasticsearch：使用最新的 Nodejs client 8.x 来创建索引并搜索"。有关如何连接到 Elasticsearch 的部分代码，请参阅上面的 utils.js。

在运动代码之前，我们使用如下的命令来安装相应的包：

npm install

markdown 复制代码

1.  $ vi package.json 
2.  $ npm install

4.  removed 10 packages, and audited 110 packages in 1s

6.  10 packages are looking for funding
7.    run `npm fund` for details

9.  found 0 vulnerabilities

我们可以查看当前的 nodejs 版本：

markdown 复制代码

1.  $ node --version
2.  v19.0.1

我们也可以查看 openai 的版本：

markdown 复制代码

1.  $ npm list | grep openai
2.  openai-integration-example-javascript@1.0.0 /Users/liuxg/python/elasticsearch-labs/example-apps/openai-embeddings
3.  └── openai@4.20.1

在这里需要强调的是 openai 的版本不同，调用的 API 的接口会有区别。

perl 复制代码

1.  $ npm list | grep elasticsearch
2.  openai-integration-example-javascript@1.0.0 /Users/liuxg/python/elasticsearch-labs/example-apps/openai-embeddings
3.  ├── @elastic/elasticsearch@8.8.0

生成向量

我们可以查看 package.json 的文档定义：

package.json

perl 复制代码

1.  {
2.    "name": "openai-integration-example-javascript",
3.    "version": "1.0.0",
4.    "description": "OpenAI integration example",
5.    "main": "search_app.js",
6.    "scripts": {
7.      "app": "node search_app.js",
8.      "generate": "node generate_embeddings.js"
9.    },
10.    "author": "Elastic",
11.    "license": "MIT",
12.    "dependencies": {
13.      "@elastic/elasticsearch": "^8.8.0",
14.      "express": "^4.18.2",
15.      "hbs": "^4.2.0",
16.      "openai": "^4.20.1"
17.    }
18.  }

我们使用如下的命令来生成 embeddings：

arduino 复制代码

npm run generate

markdown 复制代码

1.  $ npm run generate

3.  > openai-integration-example-javascript@1.0.0 generate
4.  > node generate_embeddings.js

6.  Connecting to Elasticsearch: https://localhost:9200
7.  connection success true
8.  Creating index openai-integration...
9.  Reading from file sample_data/medicare.json
10.  Processing 12 documents...
11.  Processing batch of 10 documents...
12.  docsBatch size: 10
13.  Calling OpenAI API for 10 embeddings with model text-embedding-ada-002
14.  Indexing 10 documents to index openai-integration...
15.  Processing batch of 2 documents...
16.  docsBatch size: 2
17.  Calling OpenAI API for 2 embeddings with model text-embedding-ada-002
18.  Indexing 2 documents to index openai-integration...
19.  Processing complete

在运行上面的命令时，一定要在 terminal 中设置上面的变量。在上面，我们可以看到有12个文档已经被摄入到 Elasticsearch 中。它使用的是 OpenAI 的接口来进行向量化的。我们可以使用如下的命令在 Kibana 中进行查看：

bash 复制代码

GET openai-integration/_search

启动 web 应用

我们可以使用如下的命令来启动 web 应用：

arduino 复制代码

npm run app

css 复制代码

1.  $ npm run app

3.  > openai-integration-example-javascript@1.0.0 app
4.  > node search_app.js

6.  Connecting to Elasticsearch: https://localhost:9200
7.  Express app listening on port 3000
8.  connection success true

如上所示，我们的 web 应用在 localhost:3000 的端口上运行。我们可以在浏览器中进行打开：

在 web 应用中进行语义搜索

我们的数据结构如下：

less 复制代码

1.  {
2.      "url": "https://faq.ssa.gov/en-us/Topic/article/KA-01735",
3.      "title": "How do I get a replacement Medicare card?",
4.      "content": "If your Medicare card was lost, stolen, or destroyed, you can request a replacement online at Medicare.gov. You can print an official copy of your card from your online Medicare account or call 1-800-MEDICARE (1-800-633-4227 TTY 1-877-486-2048) to order a replacement card to be sent in the mail."
5.    },
6.    {
7.      "url": "https://faq.ssa.gov/en-us/Topic/article/KA-02713",
8.      "title": "How do I terminate my Medicare Part B (medical insurance)?",
9.      "content": "You can voluntarily terminate your Medicare Part B (Medical Insurance). However, you may need to have a personal interview with Social Security to review the risks of dropping coverage and to assist you with your request. To find out more about how to terminate Medicare Part B or to schedule a personal interview, contact us at 1-800-772-1213 (TTY: 1-800-325-0778) or visit your nearest Social Security office."
10.    },

在我们的实现中，我们是针对 content 这个 text 字段进行向量化的，也就是说我们可以针对这个字段进行语义搜索。

我们尝试进行如下的搜索：

how much does Medicare cost?

我们还可以进行如下的搜索：

c 复制代码

how can I terminate my Medicare?

css 复制代码

How can I tell whether I am eligible for Medicare?