golang实现完整的rag

package main
import (
        "context"
        "fmt"
        "log"
        "github.com/tmc/langchaingo/llms/ollama"
)
func main() {
        llm, err := ollama.New(ollama.WithModel("nomic-embed-text:latest"))
        if err != nil {
                log.Fatal(err)
        }
        ctx := context.Background()
        inputText := "The sky is blue because of Rayleigh scattering"
        result, err := llm.CreateEmbedding(ctx, []string{inputText})
        if err != nil {
                log.Fatal(err)
        }
        fmt.Printf("%#v\n", result)
        fmt.Printf("%d\n", len(result[0]))
}

package rag
import (
    "context"
    "fmt"
    "net/url"
    "github.com/tmc/langchaingo/agents"
    "github.com/tmc/langchaingo/chains"
    "github.com/tmc/langchaingo/embeddings"
    "github.com/tmc/langchaingo/llms"
    "github.com/tmc/langchaingo/llms/ollama"
    "github.com/tmc/langchaingo/memory"
    "github.com/hantmac/langchaingo-ollama-rag/rag/logger"
    "github.com/tmc/langchaingo/schema"
    "github.com/tmc/langchaingo/vectorstores"
    "github.com/tmc/langchaingo/vectorstores/qdrant"
)
var (
    collectionName = "langchaingo-ollama-rag"
    qdrantUrl      = "http://localhost:6333"
    ollamaServer   = "http://localhost:11434"
)
// GetOllamaEmbedder 获取ollama嵌入器
func getollamaEmbedder() *embeddings.EmbedderImpl {
    // 创建一个新的ollama模型，模型名为"nomic-embed-text:latest"
    ollamaEmbedderModel, err := ollama.New(
        ollama.WithModel("nomic-embed-text:latest"),
        ollama.WithServerURL(ollamaServer))
    if err != nil {
        logger.Fatal("创建ollama模型失败: %v", err)
    }
    // 使用创建的ollama模型创建一个新的嵌入器
    ollamaEmbedder, err := embeddings.NewEmbedder(ollamaEmbedderModel)
    if err != nil {
        logger.Fatal("创建ollama嵌入器失败: %v", err)
    }
    return ollamaEmbedder
}

func getOllamaDeepseek() *ollama.LLM {
    // 创建一个新的ollama模型，模型名为"deepseek-r1:1.5b"
    llm, err := ollama.New(
        ollama.WithModel("deepseek-r1:1.5b"), 
        ollama.WithServerURL(ollamaServer))
    if err != nil {
        logger.Fatal("创建ollama模型失败: %v", err)
    }
    return llm
}
// getStore 获取存储对象
func getStore() *qdrant.Store {
    // 解析URL
    qdUrl, err := url.Parse(qdrantUrl)
    if err != nil {
        logger.Fatal("解析URL失败: %v", err)
    }
    // 创建新的qdrant存储
    store, err := qdrant.New(
        qdrant.WithURL(*qdUrl),                    // 设置URL
        qdrant.WithAPIKey(""),                     // 设置API密钥
        qdrant.WithCollectionName(collectionName), // 设置集合名称
        qdrant.WithEmbedder(getollamaEmbedder()),  // 设置嵌入器
    )
    if err != nil {
        logger.Fatal("创建qdrant存储失败: %v", err)
    }
    return &store
}
// storeDocs 将文档存储到向量数据库
func storeDocs(docs []schema.Document, store *qdrant.Store) error {
    // 如果文档数组长度大于0
    if len(docs) > 0 {
        // 添加文档到存储
        fmt.Println("添加文档到存储", docs)
        res, err := store.AddDocuments(context.Background(), docs)
        fmt.Println(res)
        if err != nil {
            return err
        }
    }
    return nil
}
// useRetriaver 函数使用检索器
func useRetriaver(store *qdrant.Store, prompt string, topk int) ([]schema.Document, error) {
    // 设置选项向量
    optionsVector := []vectorstores.Option{
        vectorstores.WithScoreThreshold(0.80), // 设置分数阈值
    }
    // 创建检索器
    retriever := vectorstores.ToRetriever(store, topk, optionsVector...)
    // 搜索
    docRetrieved, err := retriever.GetRelevantDocuments(context.Background(), prompt)
    if err != nil {
        return nil, fmt.Errorf("检索文档失败: %v", err)
    }
    fmt.Println(docRetrieved)
    // 返回检索到的文档
    return docRetrieved, nil
}
// GetAnswer 获取答案
func GetAnswer(ctx context.Context, llm llms.Model, docRetrieved []schema.Document, prompt string) (string, error) {
    // 创建一个新的聊天消息历史记录
    history := memory.NewChatMessageHistory()
    // 将检索到的文档添加到历史记录中
    for _, doc := range docRetrieved {
        history.AddAIMessage(ctx, doc.PageContent)
    }
    // 使用历史记录创建一个新的对话缓冲区
    conversation := memory.NewConversationBuffer(memory.WithChatHistory(history))
    executor := agents.NewExecutor(
        agents.NewConversationalAgent(llm, nil),
        nil,
        agents.WithMemory(conversation),
    )
    // 设置链调用选项
    options := []chains.ChainCallOption{
        chains.WithTemperature(0.8),
    }
    // 运行链
    res, err := chains.Run(ctx, executor, prompt, options...)
    if err != nil {
        return "", err
    }
    return res, nil
}