Tworzenie promptu do pobierania danych
Kluczowym elementem każdej implementacji RAG jest prompt do pobierania danych. W tym ćwiczeniu stworzysz szablon promptu czatu dla swojego łańcucha wyszukiwania i sprawdzisz, czy model potrafi odpowiadać wyłącznie na podstawie dostarczonego kontekstu.
Zmienna llm jest już dla ciebie zdefiniowana.
To ćwiczenie jest częścią kursu
Retrieval Augmented Generation (RAG) z LangChain
Instrukcje do ćwiczenia
- Przekształć ciąg znaków
promptw wielokrotnie używalny szablon promptu czatu. - Utwórz łańcuch LCEL, łącząc szablon promptu z dostarczonym modelem
llm. - Wywołaj
chainna podanych danych wejściowych, aby sprawdzić, czy model potrafi odpowiedzieć, korzystając wyłącznie z dostarczonego kontekstu.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
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?"}))