НачатьНачать бесплатно

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.

Это упражнение является частью курса

Создание ИИ-приложений с Pinecone

Посмотреть курс

Инструкции к упражнению

  • 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.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# Initialize the Pinecone client
pc = Pinecone(api_key="____")
index = pc.Index('pinecone-datacamp')

query = "How to build next-level Q&A with OpenAI"

# Retrieve the top three most similar documents and their sources
documents, sources = retrieve(____, top_k=____, namespace='____', emb_model="text-embedding-3-small")

prompt_with_context = prompt_with_context_builder(query, documents)
print(prompt_with_context)

def question_answering(prompt, sources, chat_model):
    sys_prompt = "You are a helpful assistant that always answers questions."
    
    # Use OpenAI chat completions to generate a response
    res = ____(
        model=____,
        messages=[
            {"role": "system", "content": ____},
            {"role": "user", "content": ____}
        ],
        temperature=0
    )
    answer = res.choices[0].message.content.strip()
    answer += "\n\nSources:"
    for source in sources:
        answer += "\n" + source[0] + ": " + source[1]
    
    return answer

answer = question_answering(
  prompt=prompt_with_context,
  sources=sources,
  chat_model='gpt-4o-mini')
print(answer)
Редактировать и запускать код