如何让LangChain的ConversationalRetrievalChain从FAISS获取更多数据？

你当前的Langchain ConversationalRetrievalChain默认仅从FAISS中检索4条相关文档，导致生成的职责列表不完整。只需调整检索器的返回数量参数即可解决问题：

修改步骤 #

1. 调整FAISS检索器的返回条数
   在创建检索器时，通过search_kwargs参数指定要返回的文档数量k（可根据实际数据量调整）：

将代码中创建链的这一段：

chain = ConversationalRetrievalChain.from_llm(
    llm = ChatOpenAI(temperature=0.0,
                     model='gpt-3.5-turbo-16k',
                     max_tokens=10000),
    retriever=vectorstore.as_retriever(),verbose=True)

修改为：

chain = ConversationalRetrievalChain.from_llm(
    llm = ChatOpenAI(temperature=0.0,
                     model='gpt-3.5-turbo-16k',
                     max_tokens=10000),
    retriever=vectorstore.as_retriever(search_kwargs={"k": 10}),verbose=True)

这里的k值建议设置为大于目标人员的职责条目数，比如你的CSV中James有8条职责，设为10就能确保覆盖所有相关结果。

2. 可选：过滤低相关度结果
   如果CSV中存在低相关度条目，可同时设置相似度阈值，只返回符合要求的结果：

chain = ConversationalRetrievalChain.from_llm(
    llm = ChatOpenAI(temperature=0.0,
                     model='gpt-3.5-turbo-16k',
                     max_tokens=10000),
    retriever=vectorstore.as_retriever(
        search_type="similarity_score_threshold",
        search_kwargs={"k": 10, "score_threshold": 0.8}
    ),verbose=True)

score_threshold取值范围0-1，值越高要求相似度越高，可根据实际情况调整。

修改后，机器人会基于更多的相关文档生成完整的职责列表。

内容的提问来源于stack exchange，提问作者ImiHuman