1. Learn
    2. /
  2. कोर्स
    3. /
  3. Pinecone के साथ Embeddings के लिए Vector Databases
Connected

अभ्यास

RAG प्रश्न-उत्तर फंक्शन

बस हो ही गया! RAG वर्कफ़्लो का अंतिम चरण है प्राप्त किए गए दस्तावेज़ों को एक question-answering मॉडल के साथ इंटीग्रेट करना।

एक prompt_with_context_builder() फंक्शन पहले से परिभाषित है और आपके लिए उपलब्ध है। यह फंक्शन Pinecone इंडेक्स से प्राप्त दस्तावेज़ों को लेता है और उन्हें ऐसे प्रॉम्प्ट में शामिल करता है जिसे question-answering मॉडल उपयोग कर सके:

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

आप question_answering() फंक्शन इम्प्लीमेंट करेंगे, जो OpenAI के भाषा मॉडल gpt-4o-mini को अतिरिक्त संदर्भ और स्रोत प्रदान करेगा ताकि वह आपके प्रश्नों का बेहतर उत्तर दे सके।

निर्देश

100 XP
  • अपनी API key के साथ Pinecone क्लाइंट इनिशियलाइज़ करें (OpenAI क्लाइंट client नाम से उपलब्ध है)।
  • 'youtube_rag_dataset' namespace से query टेक्स्ट के सबसे मिलते-जुलते तीन दस्तावेज़ रिट्रीव करें।
  • दिए गए prompt और sys_prompt पर OpenAI के 'gpt-4o-mini' मॉडल का उपयोग करके प्रतिक्रिया जनरेट करें; मॉडल को chat_model फंक्शन आर्ग्युमेंट से निर्दिष्ट किया गया है.