Costruire la retrieval chain

E adesso il gran finale del capitolo! Creerai una retrieval chain usando il Language Chain Expression Language (LCEL) di LangChain. Metterai insieme il vector store che contiene i chunk del documento incorporati dal paper su RAG che hai caricato in precedenza, un prompt template e un LLM, così potrai iniziare a dialogare con i tuoi documenti.

Ecco un promemoria del prompt_template che hai creato nell'esercizio precedente e che è già a tua disposizione:

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}

Anche il vector_store dei chunk di documento incorporati che hai creato in precedenza è stato caricato per te, insieme a tutte le librerie e classi necessarie.

Questo esercizio fa parte del corso

Retrieval Augmented Generation (RAG) con LangChain

Visualizza il corso

Istruzioni dell'esercizio

Converti il vector_store di Chroma in un oggetto retriever da usare nella retrieval chain LCEL.
Crea la retrieval chain LCEL per combinare il retriever, il prompt_template, l'llm e un parser di output in stringa, in modo che possa rispondere alle domande in input.
Esegui la chain sulla domanda fornita.

Esercizio pratico interattivo

Prova a risolvere questo esercizio completando il codice di esempio.

# 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?"))

Modifica ed esegui il codice