Skip to main content
Elasticsearch 是一个分布式、RESTful 搜索和分析引擎。它提供了一个分布式、多租户支持的全文搜索引擎，具有 HTTP Web 接口和无模式 JSON 文档。
在信息检索中，Okapi BM25（BM 是最佳匹配的缩写）是搜索引擎用于估计文档与给定搜索查询相关性的排序函数。它基于 1970 年代和 1980 年代由 Stephen E. Robertson、Karen Spärck Jones 等人开发的概率检索框架。
实际排序函数的名称是 BM25。更完整的名称 Okapi BM25 包含了第一个使用它的系统名称，即 Okapi 信息检索系统，该系统于 1980 年代和 1990 年代在伦敦城市大学实现。BM25 及其较新变体（例如 BM25F，一种可以考虑文档结构和锚文本的 BM25 版本）代表了文档检索中使用的类似 TF-IDF 的检索函数。
本笔记本展示了如何使用基于 ElasticSearch 和 BM25 的检索器。 有关 BM25 的更多详细信息，请参见此博客文章。 
pip install -qU  elasticsearch

from langchain_community.retrievers import (
    ElasticSearchBM25Retriever,
)

​
创建新检索器

elasticsearch_url = "http://localhost:9200"
retriever = ElasticSearchBM25Retriever.create(elasticsearch_url, "langchain-index-4")

# 或者，您可以加载现有索引
# import elasticsearch
# elasticsearch_url="http://localhost:9200"
# retriever = ElasticSearchBM25Retriever(elasticsearch.Elasticsearch(elasticsearch_url), "langchain-index")

​
添加文本（如果需要）

我们可以选择性地向检索器添加文本（如果它们尚未在其中） 
retriever.add_texts(["foo", "bar", "world", "hello", "foo bar"])

['cbd4cb47-8d9f-4f34-b80e-ea871bc49856',
 'f3bd2e24-76d1-4f9b-826b-ec4c0e8c7365',
 '8631bfc8-7c12-48ee-ab56-8ad5f373676e',
 '8be8374c-3253-4d87-928d-d73550a2ecf0',
 'd79f457b-2842-4eab-ae10-77aa420b53d7']

​
使用检索器

我们现在可以使用检索器了！ 
result = retriever.invoke("foo")

result

[Document(page_content='foo', metadata={}),
 Document(page_content='foo bar', metadata={})]
在 GitHub 上编辑此页面 或 提交问题。
连接这些文档 到 Claude、VSCode 等，通过 MCP 获取实时答案。