Skip to main content
在统计学中，k-最近邻算法（k-NN） 是一种非参数监督学习方法，最初由 Evelyn Fix 和 Joseph Hodges 于 1951 年提出，后经 Thomas Cover 扩展。它用于分类和回归任务。
本 notebook 介绍如何使用底层基于 kNN 的检索器。 主要参考了 Andrej Karpathy 的代码。 
from langchain_community.retrievers import KNNRetriever
from langchain_openai import OpenAIEmbeddings

​
从文本创建新检索器

retriever = KNNRetriever.from_texts(
    ["foo", "bar", "world", "hello", "foo bar"], OpenAIEmbeddings()
)

​
使用检索器

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={}),
 Document(page_content='hello', metadata={}),
 Document(page_content='bar', metadata={})]
在 GitHub 上编辑此页面 或提交问题。
通过 MCP 将这些文档连接到 Claude、VSCode 等工具，获取实时答案。