Retrieval 체인 만들기

이 장의 피날레예요! 이제 LangChain의 Expression Language(LCEL)를 사용해 retrieval 체인을 만들어 보세요. 앞서 불러온 RAG 논문에서 임베딩된 문서 청크를 담은 벡터 저장소, 프롬프트 템플릿, 그리고 LLM을 결합해 문서와 대화할 수 있도록 할 거예요.

이전 연습 문제에서 만들고, 지금도 사용할 수 있도록 제공된 prompt_template 를 다시 안내해 드릴게요:

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}

이전에 생성했던 임베딩된 문서 청크의 vector_store 도, 필요한 모든 라이브러리와 클래스와 함께 미리 로드되어 있어요.

이 연습은 강의의 일부입니다

LangChain을 활용한 RAG(검색 증강 생성)

강의 보기

연습 안내

Chroma vector_store 를 LCEL retrieval 체인에서 사용할 수 있도록 retriever 객체로 변환하세요.
입력 질문에 답할 수 있도록 retriever, prompt_template, llm, 문자열 출력 파서를 결합해 LCEL retrieval 체인을 만드세요.
제공된 질문으로 체인을 실행하세요.

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

# 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?"))

코드 편집 및 실행