Créer l'invite de repérage
Un élément clé de toute mise en œuvre RAG est l'invite de repérage. Dans cet exercice, vous allez créer un modèle d'invite de clavardage pour votre chaîne de repérage et vérifier que le LLM est capable de répondre uniquement à partir du contexte fourni.
Un llm a déjà été défini pour que vous puissiez l'utiliser.
Cette activité fait partie du cours
Retrieval Augmented Generation (RAG) avec LangChain
Instructions de l’exercice
- Convertissez la chaîne
prompten un modèle d'invite de clavardage réutilisable. - Créez une chaîne LCEL pour intégrer le modèle d'invite avec le
llmfourni. - Exécutez
chainsur les intrants fournis pour vérifier si votre modèle peut répondre uniquement à partir du contexte fourni.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
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?"}))