Membangun rantai retrieval

Sekarang saatnya penutup bab! Anda akan membuat rantai retrieval menggunakan LangChain's Expression Language (LCEL). Ini akan menggabungkan vector store yang berisi potongan dokumen ter-embed dari makalah RAG yang Anda muat sebelumnya, sebuah templat prompt, dan sebuah LLM agar Anda dapat mulai “berbicara” dengan dokumen Anda.

Berikut pengingat prompt_template yang Anda buat pada latihan sebelumnya, dan yang tersedia untuk digunakan:

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}

vector_store berisi potongan dokumen ter-embed yang Anda buat sebelumnya juga telah dimuat untuk Anda, beserta semua pustaka dan kelas yang diperlukan.

Latihan ini merupakan bagian dari kursus

Retrieval Augmented Generation (RAG) dengan LangChain

Lihat Kursus

Instruksi latihan

Konversi Chroma vector_store menjadi objek retriever untuk digunakan dalam rantai retrieval LCEL.
Buat rantai retrieval LCEL untuk menggabungkan retriever, prompt_template, llm, dan parser keluaran string sehingga dapat menjawab pertanyaan input.
Jalankan rantai pada pertanyaan yang diberikan.

Latihan interaktif langsung praktik

Cobalah latihan ini dengan melengkapi kode contoh ini.

# 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?"))

Edit dan Jalankan Kode