Vytvoření retrieval promptu

Klíčovou součástí každé RAG implementace je retrieval prompt. V tomto cvičení vytvoříš šablonu chat promptu pro svůj retrieval chain a ověříš, že LLM dokáže odpovídat výhradně na základě poskytnutého kontextu.

Proměnná llm je už pro tebe připravená.

Toto cvičení je součástí kurzu

Retrieval Augmented Generation (RAG) with LangChain

Zobrazit kurz

Pokyny k cvičení

Převeď řetězec prompt na znovupoužitelnou šablonu chat promptu.
Vytvoř LCEL chain, který propojí šablonu promptu s poskytnutým llm.
Spusť chain na připravených vstupech a zjisti, jestli model dokáže odpovědět pouze na základě zadaného kontextu.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

prompt = """
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}
"""

# Convert the string into a chat prompt template
prompt_template = ____

# Create an LCEL chain to test the prompt
chain = ____ | ____

# Invoke the chain on the inputs provided
print(chain.____({"context": "DataCamp's RAG course was created by Meri Nova and James Chapman!", "question": "Who created DataCamp's RAG course?"}))

Upravit a spustit kód