1. Nauka
    2. /
  2. Kursy
    3. /
  3. Wektorowe bazy danych dla osadzeń z Pinecone
Connected

ćwiczenie

Funkcja odpowiadania na pytania w RAG

Jesteś już prawie na mecie! Ostatnim elementem procesu RAG jest połączenie pobranych dokumentów z modelem odpowiadającym na pytania.

Funkcja prompt_with_context_builder() została już zdefiniowana i jest dla ciebie dostępna. Przyjmuje ona dokumenty pobrane z indeksu Pinecone i integruje je z promptem, który model pytań i odpowiedzi może przetworzyć:

def prompt_with_context_builder(query, docs):
    delim = '\n\n---\n\n'
    prompt_start = 'Answer the question based on the context below.\n\nContext:\n'
    prompt_end = f'\n\nQuestion: {query}\nAnswer:'

    prompt = prompt_start + delim.join(docs) + prompt_end
    return prompt

Zaimplementujesz funkcję question_answering(), która dostarczy modelowi językowemu OpenAI gpt-4o-mini dodatkowy kontekst i źródła, dzięki którym będzie on mógł odpowiadać na twoje pytania.

Instrukcje

100 XP
  • Zainicjalizuj klienta Pinecone, podając swój klucz API (klient OpenAI jest dostępny jako client).
  • Pobierz trzy dokumenty najbardziej podobne do tekstu query z przestrzeni nazw 'youtube_rag_dataset'.
  • Wygeneruj odpowiedź na podstawie podanych prompt i sys_prompt, używając modelu 'gpt-4o-mini' firmy OpenAI, wskazanego za pomocą argumentu funkcji chat_model.