#李宏毅[超话]#丨#每日一善# 丨#阳光信用#

生命的嫩芽总会破土而出，即便是枯木也会逢春。人生如没有挑战，生活将索然无味。上帝在给你关上一扇门的同时给你开了另一扇窗”，我们在这个方面或许不如别人，但不代表我们事事不如别人，要善于发掘自己的潜能，保持清醒的头脑，蓬勃向上的心灵，就像哪里都能生存的杂草一样，不畏风吹雨打，坚强面对各种挑战。

怎么讲述今天这件事呢，要从2013年我们初中同班同宿舍，后来变成最好最好的三个人，我们在一个被窝畅聊，我会提前一天从学校坐两个多小时车去她家给她过生日，她也会从唐山去廊坊看望刚上大学不适合的我，后来的事也说不清楚吧，总之她与我们分手了，没有矛盾，就像菲说的温水煮青蛙。9月看见她订婚的朋友圈，我和菲就一直在好奇她什么时候办婚礼，期待她发朋友圈，因为我们真的很想看看她穿上婚纱什么样子，毕竟，从前我们一起憧憬过。直到昨天才得到消息，是今天。我提前一天去了菲家，商量了很久到底该怎么去，又通过各种渠道打听在哪里办婚礼，一路上很多波折，本来只是好奇想去看看，进去的时候怕被发现尴尬心里超级紧张，毕竟我们是不请自来，但是当她真的穿着婚纱出场时，我和菲的眼泪都涌出来了，甚至哭的泣不成声，没办法形容当时的感受，是即使分道扬镳久不联系，那一刻心里还是想祝福她，欣慰她拥有了自己想要的幸福，在角落偷看时突然觉得好恍惚，好像我们昨天还在一个被窝看恐怖电影，今天却又那么遥远，当然心里也会不由得想如果我们还是那么好，今天帮她提裙摆的应该是我吧，给她递手捧花的应该是菲吧，难免会遗憾，从前那么亲密无间的我们，如今高朋满座的婚礼现场却没有我们的两个小小座位。总之，祝她新婚快乐。

今天偶然看到LangChain的 MultiQueryRetriever 检索器，很有意思。

通常我们在用自然语言做相似度查询时，有一个常见问题就是直接按照查询的文本去做相似度查找，很可能检索不到很好的结果，因为对查询文本做向量化（Embedding）的时候，可能因为用词的准确性导致检索结果出现差异。

这时候，MultiQueryRetriever 就派上用场了，具体方法是利用大语言模型（LLM）对用户输入的查询文本进行提炼抽象，从不同的角度生成若干个相似的查询文本，然后把所有查询结果的独特并集拿出来，形成一个更大的、可能相关的文档集。

通过这种多角度的查询方式，MultiQueryRetriever 可以有效解决原始查询文本描述不够准确的问题，为我们提供一批更为丰富、更具深度的检索结果。

官方文档：https://t.cn/A6WxuSLB
油管视频：
www.youtube.com/watch?v=O6zllUvo7e0