1. Learn
    2. /
  2. Courses
    3. /
  3. Vektorové databáze pro embeddingy s Pinecone
Connected

Exercise

Funkce pro odpovídání na otázky pomocí RAG

Už jsi skoro u cíle! Posledním krokem v RAG workflow je propojení načtených dokumentů s modelem pro odpovídání na otázky.

Funkce prompt_with_context_builder() je již definovaná a připravená k použití. Vezme dokumenty načtené z Pinecone indexu a zahrne je do promptu, který může model pro odpovídání na otázky zpracovat:

def prompt_with_context_builder(query, docs):
    delim = '\n\n---\n\n'
    prompt_start = 'Answer the question based on the context below.\n\nContext:\n'
    prompt_end = f'\n\nQuestion: {query}\nAnswer:'

    prompt = prompt_start + delim.join(docs) + prompt_end
    return prompt

Implementuješ funkci question_answering(), která poskytne jazykovému modelu OpenAI gpt-4o-mini dodatečný kontext a zdroje, díky nimž dokáže odpovídat na tvoje otázky.

Instructions

100 XP
  • Inicializuj Pinecone klienta pomocí svého API klíče (OpenAI klient je dostupný jako client).
  • Načti tři nejpodobnější dokumenty k textu dotazu query z namespace 'youtube_rag_dataset'.
  • Vygeneruj odpověď na zadaný prompt a sys_prompt pomocí modelu 'gpt-4o-mini' od OpenAI, který je určen argumentem funkce chat_model.