AI-agents met Hugging Face smolagents
Adel Nehme
VP of AI Curriculum, DataCamp


RAG = Informatieophaling combineren met LLM-generatie

from langchain_community.document_loaders import PyPDFDirectoryLoader
from langchain_text_splitters import RecursiveCharacterTextSplitter
# Documentatie laden uit directory
loader = PyPDFDirectoryLoader("cooking_docs", mode="single")
documents = loader.load()
# Splitsen in stukken
splitter = RecursiveCharacterTextSplitter(
chunk_size=1000,
chunk_overlap=200
)
chunks = splitter.split_documents(documents)
from langchain_huggingface import HuggingFaceEndpointEmbeddings
from langchain_community.vectorstores import FAISS
# Maak embeddings en vector store
embedder = HuggingFaceEndpointEmbeddings(
model="BAAI/bge-base-en-v1.5",
task="feature-extraction",
)
vector_store = FAISS.from_documents(chunks, embedder)
query = "How do I cook salmon with herbs?"
# Similariteit zoeken
relevant_docs = vector_store.similarity_search(query, k=3)
# Maak een context string
context = "\n\n".join(doc.page_content for doc in relevant_docs)
Top 2 gevonden stukken (semantische overeenkomsten):
[1] Basis zalmvoorbereiding (p. 2) Dep de zalm droog voor bruining. Kruid royaal met zout, peper en verse dille of peterselie. Laat de filets 10 minuten rusten zodat het zout intrekt. Voor gelijkmatig koken, op kamertemperatuur brengen...
[2] Zalm in de oven bakken (p. 5) Verwarm de oven voor op 200°C. Leg de filets op een met bakpapier beklede bakplaat, bedek met citroenschijfjes en kruidenboter (dille/peterselie). Bak 10 tot 12 minuten tot net ondoorzichtig en schilferig; laat 2 minuten rusten voor het serveren...
Hoe plan ik een week maaltijden onder $50 terwijl ik aan alle voedingsbehoeften voldoe?
Antwoord is verspreid over documenten (budget, voeding, technieken, recepten).

AI-agents met Hugging Face smolagents