Félicitations !

Retrieval Augmented Generation (RAG) avec LangChain

Meri Nova

Machine Learning Engineer

Chapitre 1

Des fragments de document sont stockés.

Retrieval Augmented Generation (RAG) avec LangChain

Chapitre 1

La sortie du modèle est transmise à un analyseur.

Retrieval Augmented Generation (RAG) avec LangChain

Chapitre 2

 

Fichiers Markdown

  • UnstructuredMarkdownLoader

Fichiers Python

  • PythonLoader
  • language=Language.PYTHON

 

Découpage par jetons → TokenTextSplitter

Découpage sémantique → SemanticChunker

semantic3.jpg

Retrieval Augmented Generation (RAG) avec LangChain

Chapitre 2

Un flux de travail RAG mettant en évidence les volets évalués : récupération, hallucinations du LLM, pertinence de la réponse par rapport à la question d'entrée et comparaison à une réponse de référence.

1 Crédit image : LangSmith
Retrieval Augmented Generation (RAG) avec LangChain

Chapitre 3

Un graphe montrant des liens entre des personnes, des lieux et des intérêts.

Retrieval Augmented Generation (RAG) avec LangChain

Chapitre 3

Un traducteur de langage naturel vers Cypher convertit l'entrée en langage naturel en requête Cypher, puis les documents graphiques récupérés en langage naturel.

Retrieval Augmented Generation (RAG) avec LangChain

Passons à la pratique !

Retrieval Augmented Generation (RAG) avec LangChain

Preparing Video For Download...