ParallelSearchRetriever 集成

使用 LangChain Python 集成 ParallelSearchRetriever 检索器。

@[ParallelSearchRetriever] 是基于 Parallel 的 Search API 支持的 LangChain BaseRetriever。它返回 list[Document] 并包含丰富的 metadata（url, title, publish_date, search_id, excerpts, query），可无缝集成到任何 RAG 管道中。

需要返回原始搜索响应而非 Document 的 LLM 调用工具？请参考 ParallelSearchTool。

概述

集成细节

类别	包	JS 支持	最近的包版本
@[ParallelSearchRetriever]	@[langchain-parallel]	❌

安装

集成模块位于 langchain-parallel 包中。

pip

pip install -U langchain-parallel

凭据

前往 Parallel 注册并生成 API 密钥。在环境中设置 PARALLEL_API_KEY：

import getpass
import os

if not os.environ.get("PARALLEL_API_KEY"):
    os.environ["PARALLEL_API_KEY"] = getpass.getpass("Parallel API key:\n")

实例化

from langchain_parallel import ParallelSearchRetriever

retriever = ParallelSearchRetriever(
    max_results=3,
    excerpts={"max_chars_per_result": 800},
)

使用

每个返回的 Document 将其摘要合并为 page_content，并暴露来源 URL、标题和发布日期到 metadata：

docs = retriever.invoke("breakthroughs in fusion energy 2025")
for d in docs:
    print(d.metadata.get("title"), "—", d.metadata.get("url"))
    print(d.page_content[:200], "...\n")

Net energy gain in fusion: NIF results — https://www.nature.com/articles/...
The National Ignition Facility achieved net energy gain on December 5, 2022 ...

Commonwealth Fusion's SPARC milestone — https://news.mit.edu/...
SPARC is on track for first plasma in 2026 ...

配置搜索

为 objective 添加更丰富的检索目标（与关键词 search_queries 配合）。检索器将向底层 Search API 转发来源和请求策略。

configured = ParallelSearchRetriever(
    max_results=5,
    excerpts={"max_chars_per_result": 1500},
    mode="basic",  # 'basic' (lower latency) or 'advanced' (higher quality)
    source_policy={
        "include_domains": ["nature.com", "science.org", "iter.org"],
    },
)

docs = configured.invoke(
    "What's the latest peer-reviewed result on net-energy-gain fusion?"
)

docs = await retriever.ainvoke("Latest GLP-1 trial results 2025")

异步

在链中调用

ParallelSearchRetriever 可无缝接入任何 LangChain 链：

from langchain_core.output_parsers import StrOutputParser
from langchain_core.prompts import ChatPromptTemplate
from langchain_core.runnables import RunnablePassthrough
from langchain.chat_models import init_chat_model

llm = init_chat_model(model="claude-opus-4-8")

prompt = ChatPromptTemplate.from_messages([
    ("system", "Answer using only the context below. Cite URLs."),
    ("human", "Context:\n{context}\n\nQuestion: {question}"),
])

def format_docs(docs):
    return "\n\n".join(
        f"[{d.metadata.get('url')}] {d.page_content[:500]}" for d in docs
    )

chain = (
    {"context": retriever | format_docs, "question": RunnablePassthrough()}
    | prompt
    | llm
    | StrOutputParser()
)

chain.invoke("What was the most recent fusion energy breakthrough?")

API 参考

详细文档请查阅 @[ParallelSearchRetriever] API 参考或 Parallel 搜索 API 指南。

---

官方原文：src/oss/python/integrations/retrievers/parallel.mdx · 非官方翻译，译文由 AI 生成，以英文原文为准。