Découvrez comment Weaviate rend possibles les applications RAG ! Vous construirez manuellement un workflow RAG de bout en bout pour vous familiariser avec les étapes Retrieval–Augmentation–Generation. Cette compréhension vous permettra, au chapitre 2, de mettre en place des workflows RAG plus robustes et optimisés avec Weaviate.

De RAG à réussite !

Génération de texte avec des LLM

Créer des embeddings de texte

Comparer des embeddings de texte

Assembler le "R", le "A" et le "G"

Fondamentaux de RAG avec Weaviate

Même s’il est amusant de coder des workflows RAG à la main, vous pourriez passer à côté d’optimisations offertes par des outils comme Weaviate. Dans ce chapitre, vous allez générer des embeddings, stocker, récupérer et générer des réponses, le tout avec Weaviate !

Workflows RAG avec Weaviate

Extraction de texte PDF et découpage en segments

Premiers pas avec Weaviate

Requêtes dans Weaviate

RAG de bout en bout

RAG de bout en bout avec Weaviate

Dans le chapitre précédent, vous avez utilisé le contenu textuel des PDF pour construire vos segments de document, mais laissé de côté le contenu image. Cela fait perdre beaucoup de contexte potentiellement utile pour la récupération et la génération ! Dans ce chapitre, vous utiliserez les modèles multimodaux ColPali pour créer des embeddings et générer du texte et des images afin d’apporter davantage de contexte aux réponses de votre modèle.

RAG avec texte et images

Préparer le RAG multimodal

RAG multi-modal avec Weaviate

Félicitations !

RAG multimodal

Apprenez à passer d’appels LLM simples à des workflows RAG multimodaux avec Weaviate ! Vous verrez comment traiter des documents PDF pour extraire les contenus clés comme les paragraphes, les titres et les tableaux. Vous générerez des embeddings et stockerez ces données pour la recherche avec Weaviate. Enfin, vous rédigerez des invites de récupération efficaces à transmettre aux modèles génératifs. Pour couronner le tout, vous traiterez les PDF comme des images afin de capturer le contexte perdu des images et des graphiques. Vous utiliserez le modèle d’embeddings multimodal ColPali avec un modèle génératif multimodal d’OpenAI pour commencer à converser avec des images et des documents !

Working with the OpenAI API

Maîtrisez RAG avec Weaviate ! Intégrez texte et images pour la recherche vectorielle, BM25 et hybride.

Maîtrisez RAG avec Weaviate. Intégrez du texte et des images pour les récupérer, et expérimentez la recherche vectorielle, BM25 et hybride.

Créer des embeddings de texte

Instructions de l’exercice

Exercice interactif pratique