Membuat retrieval prompt
Komponen kunci dari setiap implementasi RAG adalah retrieval prompt. Dalam latihan ini, Anda akan membuat templat prompt percakapan untuk retrieval chain Anda dan menguji apakah LLM mampu merespons hanya dengan menggunakan konteks yang disediakan.
Sebuah llm telah disiapkan untuk Anda gunakan.
Latihan ini adalah bagian dari kursus
Retrieval Augmented Generation (RAG) dengan LangChain
Petunjuk latihan
- Konversikan string
promptmenjadi templat prompt percakapan yang dapat digunakan kembali. - Buat rantai LCEL untuk mengintegrasikan templat prompt dengan
llmyang disediakan. - Panggil
chainpada masukan yang diberikan untuk melihat apakah model Anda dapat merespons hanya menggunakan konteks yang disediakan.
Latihan interaktif praktis
Cobalah latihan ini dengan menyelesaikan kode contoh berikut.
prompt = """
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}
"""
# Convert the string into a chat prompt template
prompt_template = ____
# Create an LCEL chain to test the prompt
chain = ____ | ____
# Invoke the chain on the inputs provided
print(chain.____({"context": "DataCamp's RAG course was created by Meri Nova and James Chapman!", "question": "Who created DataCamp's RAG course?"}))