22｜易速鲜花聊天客服机器人的开发（上）

# 调用 Retrieval Chain response = self.qa(user_input) 黄老师，这行代码的内部执行逻辑我不是很理解，您看我理解的对吗: 1.调用openai的接口，把用户输入user_input转换为向量数据。 2.拿向量数据去本地向量数据库匹配qa 3.匹配到答案后，再次拿着答案调用openai获取到结果展示给用户。

老师，RAG是不是得配合路由链或者代理使用啊，先判断问题类型再去检索？我发现提易速鲜花的问题都能回答的很好，但是说个“你真棒”AI就回答有问题了 你: 你真棒 ChatBot: 对不起，根据提供的信息，我无法确定“语言玫瑰”的含义。这个词组似乎不是标准的成语或常见表达。如果它是特定情境或者某个专业领域的术语，可能需要更多的上下文来提供准确的解释。如果您能提供更多的信息或者上下文，我或许能够帮助解答您的问题。

# 调用 Retrieval Chain response = self.qa(user_input) 黄老师，这行代码的内部执行逻辑我不是很理解，您看我理解的对吗: 1.调用openai的接口，把用户输入user_input转换为向量数据。 2.拿向量数据去本地向量知识库匹配qa返回。 3.匹配到的答案再次调用openai拿到可展示的答案

老师，第四步有实现的代码吗？

向量数据库 如何保存在本地? 这下次再使用的时候, 直接读取结果就行. 而不用再进行生成向量数据库.

思考题2：使用create_sql_agent实现一个查询订单信息的tool，把这个tool加到Chatbot

老师您好，请问一个问题，我用RetrievalQA和RetrievalQAWithSourcesChain 得到的答案完全不一样。我本以为RetrievalQAWithSourcesChain是RetrievalQA增强功能，但结果并不是。 ``` client = qdrant_client.QdrantClient( url=url, prefer_grpc=True ) qdrant = Qdrant( client=client, collection_name=collection_name, embedding_function = OpenAIEmbeddings().embed_query ) retriever = qdrant.as_retriever() llm = ChatOpenAI(model_name="gpt-3.5-turbo", temperature=0) qa_chain = RetrievalQAWithSourcesChain.from_chain_type(llm,retriever=retriever,verbose=True) qa_chain.return_source_documents=True question = """什么是共识算法""" answer = qa_chain(question) print(answer) ``` 用 RetrievalQA 可以正确搜索到答案，但是RetrievalQAWithSourcesChain就搜不到

如果想在目前的基础上加入实时搜索的功能，应该如何实现。当用户的问题如果没有在本地向量库检索到，且大模型也没有相关的回答，希望通过加入实时搜索的功能去查找。是通过硬编码的判断还是通过agent代理的方式，来决策这个过程