CommencezCommencez gratuitement

Fonction de questions-réponses RAG

Vous y êtes presque ! La dernière étape du flux de travail RAG consiste à intégrer les documents récupérés avec un modèle de questions-réponses.

Une fonction prompt_with_context_builder() a déjà été définie et mise à votre disposition. Cette fonction prend les documents récupérés à partir de l'index Pinecone et les intègre dans une invite que le modèle de questions-réponses peut ingérer :

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

Vous allez implémenter la fonction question_answering(), qui fournira au modèle linguistique d'OpenAI gpt-4o-mini du contexte additionnel et des sources pour répondre à vos questions.

Cette activité fait partie du cours

Créer des applications d'IA avec Pinecone

Voir le cours

Instructions de l’exercice

  • Initialisez le client Pinecone avec votre clé d'API (le client OpenAI est disponible sous client).
  • Récupérez les trois documents les plus similaires au texte query à partir de l''youtube_rag_dataset' namespace.
  • Générez une réponse à partir de prompt et sys_prompt à l'aide du modèle 'gpt-4o-mini' d'OpenAI, en le passant via l'argument de fonction chat_model.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Initialize the Pinecone client
pc = Pinecone(api_key="____")
index = pc.Index('pinecone-datacamp')

query = "How to build next-level Q&A with OpenAI"

# Retrieve the top three most similar documents and their sources
documents, sources = retrieve(____, top_k=____, namespace='____', emb_model="text-embedding-3-small")

prompt_with_context = prompt_with_context_builder(query, documents)
print(prompt_with_context)

def question_answering(prompt, sources, chat_model):
    sys_prompt = "You are a helpful assistant that always answers questions."
    
    # Use OpenAI chat completions to generate a response
    res = ____(
        model=____,
        messages=[
            {"role": "system", "content": ____},
            {"role": "user", "content": ____}
        ],
        temperature=0
    )
    answer = res.choices[0].message.content.strip()
    answer += "\n\nSources:"
    for source in sources:
        answer += "\n" + source[0] + ": " + source[1]
    
    return answer

answer = question_answering(
  prompt=prompt_with_context,
  sources=sources,
  chat_model='gpt-4o-mini')
print(answer)
Modifier et exécuter le code