如何用LangChain获取向量数据库查询结果的信息来源？

核心问题出在你导入数据时没有给documents对象添加包含来源信息的元数据，导致查询时无法返回来源。以下是具体解决步骤：

1. 给文档添加元数据 #

在创建LangChain的Document对象时，必须传入metadata参数，把来源信息（URL、文档ID等）存进去。示例代码：

from langchain.docstore.document import Document

# 假设你有原始文本和对应的来源列表
raw_texts = ["企业简介内容...", "产品介绍内容..."]
sources = ["www.site.com/about", "document_156"]

# 构建带元数据的Document对象列表
documents = []
for text, source in zip(raw_texts, sources):
    doc = Document(
        page_content=text,
        metadata={"source": source}  # 这里存入来源信息
    )
    documents.append(doc)

2. 重新导入向量数据库 #

用上面带元数据的documents对象重新执行你的导入代码：

db = ElasticVectorSearch.from_documents(
        documents,
        embeddings,
        elasticsearch_url="http://localhost:9200",
        index_name="elastic-index",
    )

3. 查询时获取来源信息 #

执行similarity_search后，每个返回结果的metadata字段里就会包含你存入的来源信息，直接提取即可：

results = db.similarity_search("你的查询内容")
for result in results:
    print(f"内容：{result.page_content}")
    print(f"来源：{result.metadata.get('source', '未知来源')}")
    print("---")

注意事项 #

• 如果你的原始数据是从文件/网页批量导入的，确保在加载阶段就把来源信息提取出来并加入metadata
• 元数据字段名可以自定义，比如用url、doc_id等，只要保持前后一致即可

内容的提问来源于stack exchange，提问作者CAB