Gratulacje!

Retrieval Augmented Generation (RAG) z LangChain

Meri Nova

Machine Learning Engineer

Rozdział 1

Fragmenty dokumentów są przechowywane.

Retrieval Augmented Generation (RAG) z LangChain

Rozdział 1

Dane wyjściowe modelu przekazywane do parsera.

Retrieval Augmented Generation (RAG) z LangChain

Rozdział 2

 

Pliki Markdown

  • UnstructuredMarkdownLoader

Pliki Python

  • PythonLoader
  • language=Language.PYTHON

 

Podział tokenowy → TokenTextSplitter

Podział semantyczny → SemanticChunker

semantic3.jpg

Retrieval Augmented Generation (RAG) z LangChain

Rozdział 2

Przepływ pracy RAG z wyróżnionymi procesami podlegającymi ocenie: pobieranie danych, halucynacje LLM, trafność odpowiedzi względem pytania oraz porównanie odpowiedzi z odpowiedzią referencyjną.

1 Źródło obrazu: LangSmith
Retrieval Augmented Generation (RAG) z LangChain

Rozdział 3

Graf przedstawiający połączenia między osobami, miejscami i zainteresowaniami.

Retrieval Augmented Generation (RAG) z LangChain

Rozdział 3

Translator języka naturalnego na Cypher przekształca dane wejściowe w zapytanie Cypher, a pobrane dokumenty grafu z powrotem na język naturalny.

Retrieval Augmented Generation (RAG) z LangChain

Czas na ćwiczenia!

Retrieval Augmented Generation (RAG) z LangChain

Preparing Video For Download...