Sestavení řetězce pro vyhledávání

A teď přichází vyvrcholení kapitoly! Sestavíš retrieval chain pomocí LangChain Expression Language (LCEL). Spojíš vektorové úložiště s vloženými částmi dokumentu z RAG článku, který jsi načetl/a dříve, šablonu promptu a LLM – a budeš tak moct klást otázky přímo svým dokumentům.

Tady je připomenutí prompt_template, který jsi vytvořil/a v předchozím cvičení a který máš k dispozici:

Use the only the context provided to answer the following question. If you don't know the answer, reply that you are unsure.
Context: {context}
Question: {question}

vector_store s vloženými částmi dokumentu, který jsi vytvořil/a dříve, je také připravený, stejně jako všechny potřebné knihovny a třídy.

Toto cvičení je součástí kurzu

Retrieval Augmented Generation (RAG) with LangChain

Zobrazit kurz

Pokyny k cvičení

Převeď Chroma vector_store na objekt retrieveru pro použití v LCEL retrieval chain.
Vytvoř LCEL retrieval chain, která spojí retriever, prompt_template, llm a výstupní parser pro řetězce, aby mohla odpovídat na zadané otázky.
Spusť chain na zadané otázce.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Convert the vector store into a retriever
retriever = vector_store.____(search_type="similarity", search_kwargs=____)

# Create the LCEL retrieval chain
chain = (
    {"____": ____, "question": ____}
    | ____
    | ____
    | ____
)

# Invoke the chain
print(chain.____("Who are the authors?"))

Upravit a spustit kód