Regăsire sparse cu BM25
E momentul să testezi o implementare de regăsire sparse! Vei crea un retriever BM25 pentru a pune întrebări despre un articol academic pe tema RAG, care a fost deja împărțit în fragmente stocate în chunks. Un model de chat OpenAI și un prompt au fost definite în prealabil ca llm, respectiv prompt. Poți vizualiza prompt-ul furnizat afișându-l în consolă.
Acest exercițiu face parte din cursul
Retrieval Augmented Generation (RAG) cu LangChain
Instrucțiuni pentru exercițiu
- Creează un retriever sparse BM25 din documentele stocate în
chunks; configurează-l să returneze5documente la regăsire. - Creează un lanț de regăsire LCEL pentru a integra retriever-ul BM25 cu
llmșiprompt-ul furnizat.
Exercițiu interactiv practic
Încearcă acest exercițiu completând acest cod de exemplu.
# Create a BM25 retriever from chunks
retriever = ____
# Create the LCEL retrieval chain
chain = ({"context": ____, "question": ____}
| ____
| ____
| StrOutputParser()
)
print(chain.invoke("What are knowledge-intensive tasks?"))