Glückwunsch!

Retrieval Augmented Generation (RAG) mit LangChain

Meri Nova

Machine Learning Engineer

Kapitel 1

Dokument-Chunks werden gespeichert.

Retrieval Augmented Generation (RAG) mit LangChain

Kapitel 1

Das Modell-Output wird an einen Parser übergeben.

Retrieval Augmented Generation (RAG) mit LangChain

Kapitel 2

 

Markdown-Dateien

  • UnstructuredMarkdownLoader

Python-Dateien

  • PythonLoader
  • language=Language.PYTHON

 

Token-Splitting → TokenTextSplitter

Semantisches Splitting → SemanticChunker

semantic3.jpg

Retrieval Augmented Generation (RAG) mit LangChain

Kapitel 2

Ein RAG-Workflow mit bewertbaren Schritten: Retrieval, LLM-Halluzinationen, Antwortrelevanz zur Frage und Vergleich mit einer Referenzantwort.

1 Bildnachweis: LangSmith
Retrieval Augmented Generation (RAG) mit LangChain

Kapitel 3

Ein Diagramm mit Verbindungen zwischen Personen, Orten und Interessen.

Retrieval Augmented Generation (RAG) mit LangChain

Kapitel 3

Ein Übersetzer von natürlicher Sprache zu Cypher wandelt die Eingabe in eine Cypher-Abfrage um und zurück in natürliche Sprache.

Retrieval Augmented Generation (RAG) mit LangChain

Lass uns üben!

Retrieval Augmented Generation (RAG) mit LangChain

Preparing Video For Download...