Retrieval चेन बनाना

अब इस अध्याय का फिनाले! आप LangChain's Expression Language (LCEL) का उपयोग करके एक retrieval चेन बनाएँगे. इसमें वह vector store शामिल होगा जिसमें आपने पहले लोड किए गए RAG पेपर से एम्बेड किए गए डॉक्यूमेंट चंक्स रखे हैं, एक prompt template, और एक LLM — ताकि आप अपने डॉक्यूमेंट्स से बातचीत शुरू कर सकें.

यहाँ पिछले अभ्यास में बनाया गया prompt_template याद दिलाया जा रहा है, जो आपके उपयोग के लिए उपलब्ध है:

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}

पहले बनाए गए embedded document chunks का vector_store भी आपके लिए लोड कर दिया गया है, साथ ही सभी आवश्यक लाइब्रेरीज़ और क्लासेस भी.

यह अभ्यास पाठ्यक्रम का हिस्सा है

LangChain के साथ Retrieval Augmented Generation (RAG)

पाठ्यक्रम देखें

अभ्यास निर्देश

Chroma vector_store को LCEL retrieval चेन में उपयोग के लिए एक retriever ऑब्जेक्ट में बदलें.
LCEL retrieval चेन बनाएँ जो retriever, prompt_template, llm, और एक string output parser को जोड़ती है ताकि यह इनपुट प्रश्नों के उत्तर दे सके.
दिए गए प्रश्न पर चेन को invoke करें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Convert the vector store into a retriever
retriever = vector_store.____(search_type="similarity", search_kwargs=____)

# Create the LCEL retrieval chain
chain = (
    {"____": ____, "question": ____}
    | ____
    | ____
)

# Invoke the chain
print(chain.____("Who are the authors?"))

कोड संपादित करें और चलाएँ