Retrieval 프롬프트 만들기
어떤 RAG 구현에서든 핵심 요소는 retrieval 프롬프트예요. 이 연습에서는 retrieval 체인을 위한 채팅 프롬프트 템플릿을 만들고, LLM이 제공된 컨텍스트만 사용해 응답할 수 있는지 테스트해 보겠습니다.
사용할 llm은 이미 정의되어 있어요.
이 연습은 강의의 일부입니다
LangChain을 활용한 RAG(검색 증강 생성)
연습 안내
- 문자열
prompt를 재사용 가능한 채팅 프롬프트 템플릿으로 변환하세요. - 제공된
llm과 프롬프트 템플릿을 통합하는 LCEL 체인을 만드세요. - 제공된 입력에 대해
chain을 호출하여 모델이 제공된 컨텍스트만 사용해 응답하는지 확인하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
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?"}))