Temukan bagaimana Weaviate mendukung aplikasi RAG! Anda akan membangun alur kerja RAG ujung-ke-ujung secara manual untuk memahami langkah-langkah Retrieval-Augmentation-Generation. Pemahaman ini akan memungkinkan alur kerja RAG yang tangguh dan teroptimasi di Bab 2 menggunakan Weaviate.

Dari RAG Menuju Keunggulan!

Generasi teks dengan LLM

Membuat embedding teks

Membandingkan embedding teks

Menyatukan "R", "A", "G"

Dasar-dasar RAG dengan Weaviate

Walaupun menulis kode alur kerja RAG secara manual itu menyenangkan, Anda bisa jadi melewatkan optimasi yang disediakan oleh alat seperti Weaviate. Di bab ini, Anda akan melakukan embedding, penyimpanan, pengambilan, dan pembuatan respons semuanya menggunakan Weaviate!

Alur Kerja RAG dengan Weaviate

Ekstraksi teks PDF dan pemotongan (chunking)

Menyiapkan Weaviate

Kueri di Weaviate

RAG dari hulu ke hilir

RAG Ujung-ke-Ujung dengan Weaviate

Di bab sebelumnya, Anda menggunakan konten teks dari dokumen PDF untuk membangun potongan dokumen, namun meninggalkan konten gambar. Hal ini menyebabkan banyak konteks hilang yang sebenarnya bermanfaat untuk pengambilan dan generasi! Di bab ini, Anda akan menggunakan model multi-modal ColPali untuk melakukan embedding dan menghasilkan teks serta gambar guna memberikan lebih banyak konteks bagi respons model Anda.

RAG dengan teks dan gambar

Mempersiapkan Multi-Modal RAG

RAG Multi-Modal dengan Weaviate

Selamat!

RAG Multi-Modal

Pelajari cara beralih dari pemanggilan LLM sederhana ke alur kerja RAG multi-modal dengan Weaviate! Anda akan memproses dokumen PDF untuk mengekstrak konten teks utama seperti paragraf, judul, dan tabel. Anda akan melakukan embedding dan menyimpan data ini untuk pengambilan kembali dengan Weaviate. Terakhir, Anda akan menyusun prompt pengambilan yang efektif untuk diteruskan ke model generatif. Sebagai penutup, Anda akan memperlakukan PDF sebagai gambar agar dapat menangkap konteks yang hilang dari gambar dan plot. Anda akan menggunakan model embedding multi-modal ColPali bersama model generatif multi-modal dari OpenAI untuk mulai melakukan percakapan dengan gambar dan dokumen!

Working with the OpenAI API

Kuasi RAG dengan Weaviate! Sematkan teks dan gambar untuk pencarian, coba vektor, BM25, dan pencarian hibrid.

Pelajari RAG dengan Weaviate! Embed teks dan gambar untuk pencarian, dan coba berbagai metode pencarian seperti vektor, BM25, dan hibrida.

Mempersiapkan Multi-Modal RAG

RAG Ujung-ke-Ujung dengan Weaviate

Instruksi latihan

Latihan interaktif langsung