1. Learn
    2. /
  2. Cursuri
    3. /
  3. Baze de date vectoriale pentru embeddings cu Pinecone
Connected

Exercițiu

Funcție de răspuns la întrebări cu RAG

Ești aproape de final! Ultima piesă din fluxul RAG este integrarea documentelor recuperate cu un model de răspuns la întrebări.

O funcție prompt_with_context_builder() a fost deja definită și pusă la dispoziția ta. Aceasta preia documentele recuperate din indexul Pinecone și le integrează într-un prompt pe care modelul de răspuns la întrebări îl poate procesa:

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

Vei implementa funcția question_answering(), care va oferi modelului de limbaj gpt-4o-mini de la OpenAI context suplimentar și surse pe baza cărora poate răspunde la întrebările tale.

Instrucțiuni

100 XP
  • Inițializează clientul Pinecone cu cheia ta API (clientul OpenAI este disponibil ca client).
  • Recuperează cele mai similare trei documente față de textul query din namespace-ul 'youtube_rag_dataset'.
  • Generează un răspuns pentru prompt-ul și sys_prompt-ul furnizate, folosind modelul 'gpt-4o-mini' de la OpenAI, specificat prin argumentul funcției chat_model.