跳转至

NLQL#

NLQL 是一个语义检索工具：用类似 SQL 的语句，从文本中查找相关内容。

查询的规范形式是一份可序列化的中间表示（IR）。NLQL 字符串、Python 链式构造、LLM 工具调用三种写法都编译到同一份 IR，因此结果一致。

示例#

SELECT SENTENCE
LET   relevance = SIMILARITY(content, "AI Agent 架构"),
      novelty   = SIMILARITY(content, "新颖的未发表想法")
WHERE relevance >= 0.8
  AND meta.status != "draft"
ORDER BY relevance DESC, novelty DESC
LIMIT 5

语句结构与 SQL 对应：SELECT 指定返回粒度，LET 计算相关度，WHERE 过滤，ORDER BY 与 LIMIT 排序限量。相关度计算、过滤、排序集中在一条语句中，无需分散到业务代码。

三种写法#

同一查询的三种写法，结果一致：

engine.search('''
    SELECT SENTENCE
    LET rel = SIMILARITY(content, "autonomous agents")
    WHERE rel >= 0.8 AND meta.status == "published"
    ORDER BY rel DESC
    LIMIT 5
''')

from nlql.sdk.builder import select, similarity, F, Meta

query = (select("sentence")
    .let("rel", similarity("content", "autonomous agents"))
    .where((F("rel") >= 0.8) & (Meta("status") == "published"))
    .order_by("rel", desc=True)
    .limit(5)
    .build())

engine.search(query)

schema = engine.function_tool()           # 工具描述，交给 LLM
engine.search_ir({ "select": ..., ... })  # 执行 LLM 返回的查询

安装#

pip install python-nlql              # 核心
pip install "python-nlql[faiss]"     # 可选：Faiss 后端（另有 hnsw / qdrant / chroma / pgvector）
pip install "python-nlql[loaders]"   # 可选：加载 DOCX / PDF

特性#

  • 声明式查询：相关度、过滤、排序集中在一条语句
  • 后端可插拔：内置存储开箱即用；切换 Qdrant、Faiss 等仅改动一行
  • 多模态：文本与图像在同一向量空间，可用文字检索图像
  • 可解释：engine.explain() 输出查询的执行计划

下一步#