如何在Haystack v2.0（haystack-ai）中构建自然语言推理管道

步骤1：安装依赖 #

首先确保安装必要的包：

pip install haystack-ai haystack-integrations

步骤2：实现代码示例 #

Haystack v2.0对组件结构和导入路径做了调整，以下是对应实现：

from haystack import Pipeline
from haystack_integrations.components.classifiers.hugging_face import HuggingFaceTextClassifier

# 初始化自然语言推理分类器
classifier = HuggingFaceTextClassifier(
    model_name_or_path="roberta-large-mnli",  # 替换为你的NLI模型
    task="text-classification",
    labels=["entailment", "contradiction", "neutral"]
)

# 构建管道
classifier_pipeline = Pipeline()
classifier_pipeline.add_component(name="nli_classifier", component=classifier)

# 定义前提和假设
premise = "The sun rises in the east and sets in the west."
hypothesis = "The sun rises in the east."

# 运行管道
result = classifier_pipeline.run(
    data={"nli_classifier": {"text": premise, "text_pair": hypothesis}}
)

# 输出结果
print(result["nli_classifier"]["labels"])
print(result["nli_classifier"]["scores"])

关键变化说明 #

• 组件导入路径：HuggingFace文本分类器现在位于haystack_integrations.components.classifiers.hugging_face下，而非旧版本的haystack.nodes
• 管道组件添加：使用add_component方法（修正了旧代码中的拼写错误add_cmponent）
• 运行参数传递：v2.0的run方法通过data参数明确指定组件对应的输入，结构更清晰

内容的提问来源于stack exchange，提问作者dorriz