Haystack¶

Haystack 是一个端到端的 LLM 框架，它使您能够构建由 LLMs、Transformer 模型、向量搜索等驱动的应用程序。无论您是想执行检索增强生成 (RAG)、文档搜索、问答还是答案生成，Haystack 都可以将最先进的嵌入模型和 LLMs 编排到管道中，以构建端到端 NLP 应用程序并解决您的用例。

它允许您使用 vLLM 作为后端部署大型语言模型 (LLM) 服务器，该服务器暴露了 OpenAI 兼容的端点。

前提条件¶

设置 vLLM 和 Haystack 环境

pip install vllm haystack-ai

部署¶

启动 vLLM 服务器并使用支持的聊天完成模型，例如

vllm serve mistralai/Mistral-7B-Instruct-v0.1

在 Haystack 中使用 OpenAIGenerator 和 OpenAIChatGenerator 组件来查询 vLLM 服务器。

from haystack.components.generators.chat import OpenAIChatGenerator
from haystack.dataclasses import ChatMessage
from haystack.utils import Secret

generator = OpenAIChatGenerator(
    # for compatibility with the OpenAI API, a placeholder api_key is needed
    api_key=Secret.from_token("VLLM-PLACEHOLDER-API-KEY"),
    model="mistralai/Mistral-7B-Instruct-v0.1",
    api_base_url="http://{your-vLLM-host-ip}:{your-vLLM-host-port}/v1",
    generation_kwargs = {"max_tokens": 512}
)

response = generator.run(
  messages=[ChatMessage.from_user("Hi. Can you help me plan my next trip to Italy?")]
)

print("-"*30)
print(response)
print("-"*30)

输出，例如

------------------------------
{'replies': [ChatMessage(_role=<ChatRole.ASSISTANT: 'assistant'>, _content=[TextContent(text=' Of course! Where in Italy would you like to go and what type of trip are you looking to plan?')], _name=None, _meta={'model': 'mistralai/Mistral-7B-Instruct-v0.1', 'index': 0, 'finish_reason': 'stop', 'usage': {'completion_tokens': 23, 'prompt_tokens': 21, 'total_tokens': 44, 'completion_tokens_details': None, 'prompt_tokens_details': None}})]}
------------------------------

有关详细信息，请参阅教程在 Haystack 中使用 vLLM。