1. Học hỏi
    2. /
  2. Khoa Học
    3. /
  3. Векторные базы данных для эмбеддингов с Pinecone
Connected

Bài tập

Функция вопросно-ответной системы на основе RAG

Вы почти у цели! Последний шаг в рабочем процессе RAG — объединить найденные документы с моделью для ответов на вопросы.

Функция prompt_with_context_builder() уже определена и доступна вам. Она принимает документы, извлечённые из индекса Pinecone, и встраивает их в промпт, который модель сможет использовать в качестве контекста:

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

Вам предстоит реализовать функцию question_answering(), которая передаст языковой модели OpenAI gpt-4o-mini дополнительный контекст и источники для ответа на ваши вопросы.

Hướng dẫn

100 XP
  • Инициализируйте клиент Pinecone с вашим API-ключом (клиент OpenAI доступен как client).
  • Извлеките три наиболее похожих документа на текст запроса query из пространства имён 'youtube_rag_dataset'.
  • Сгенерируйте ответ на основе переданного prompt и sys_prompt, используя модель OpenAI 'gpt-4o-mini', которая задаётся через аргумент функции chat_model.