SerpAPI 加载器集成

使用 LangChain JavaScript 集成 SerpAPI 加载器文档加载器。

本指南展示了如何将 SerpApi 与 LangChain 结合使用，以加载网络搜索结果。

概述

SerpApi 是一个实时 API，提供对各种搜索引擎搜索结果的访问。它通常用于竞争对手分析和排名跟踪等任务。它使企业能够从所有搜索引擎的结果页面中抓取、提取并理解数据。

本指南展示了如何使用 LangChain 中的 SerpAPILoader 加载网络搜索结果。SerpAPILoader 简化了从 SerpApi 加载和处理网络搜索结果的过程。

设置

您需要注册并获取您的 SerpApi API 密钥。

使用方法

以下是使用 SerpAPILoader 的示例：

import { ChatOpenAI, OpenAIEmbeddings } from "@langchain/openai";
import { MemoryVectorStore } from "@langchain/classic/vectorstores/memory";
import { SerpAPILoader } from "@langchain/community/document_loaders/web/serpapi";
import { ChatPromptTemplate } from "@langchain/core/prompts";
import { createStuffDocumentsChain } from "@langchain/classic/chains/combine_documents";
import { createRetrievalChain } from "@langchain/classic/chains/retrieval";

// 初始化必要的组件
const llm = new ChatOpenAI({
  model: "gpt-4.1-mini",
});
const embeddings = new OpenAIEmbeddings();
const apiKey = "您的 SerpApi API 密钥";

// 定义您的问题和查询
const question = "您的问题在此";
const query = "您的查询在此";

// 使用 SerpAPILoader 加载网络搜索结果
const loader = new SerpAPILoader({ q: query, apiKey });
const docs = await loader.load();

// 使用 MemoryVectorStore 将加载的文档存储在内存中
const vectorStore = await MemoryVectorStore.fromDocuments(docs, embeddings);

const questionAnsweringPrompt = ChatPromptTemplate.fromMessages([
  [
    "system",
    "根据以下上下文回答用户的问题：\n\n{context}",
  ],
  ["human", "{input}"],
]);

const combineDocsChain = await createStuffDocumentsChain({
  llm,
  prompt: questionAnsweringPrompt,
});

const chain = await createRetrievalChain({
  retriever: vectorStore.asRetriever(),
  combineDocsChain,
});

const res = await chain.invoke({
  input: question,
});

console.log(res.answer);

在此示例中，SerpAPILoader 用于加载网络搜索结果，然后使用 MemoryVectorStore 将其存储在内存中。随后，使用检索链从内存中检索最相关的文档，并基于这些文档回答问题。这展示了 SerpAPILoader 如何简化加载和处理网络搜索结果的过程。

---

Edit this page on GitHub or file an issue.

Connect these docs to Claude, VSCode, and more via MCP for real-time answers.