Kom igångKom igång gratis

RAG-funktion för frågesvar

Du är nästan i mål! Det sista steget i RAG-arbetsflödet är att integrera de hämtade dokumenten med en frågesvarmodell.

Funktionen prompt_with_context_builder() har redan definierats och är tillgänglig för dig. Den tar emot de dokument som hämtats från Pinecone-indexet och bygger ihop dem till en prompt som frågesvarmodellen kan använda:

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

Du ska nu implementera funktionen question_answering(), som ger OpenAIs språkmodell gpt-4o-mini ytterligare kontext och källmaterial att utgå från när den besvarar dina frågor.

Den här övningen är en del av kursen

Bygga AI-applikationer med Pinecone

Visa kurs

Övningsinstruktioner

  • Initiera Pinecone-klienten med din API-nyckel (OpenAI-klienten är tillgänglig som client).
  • Hämta de tre mest liknande dokumenten till query-texten från namnrymden 'youtube_rag_dataset'.
  • Generera ett svar på den angivna prompt och sys_prompt med hjälp av OpenAIs modell 'gpt-4o-mini', angiven via funktionsargumentet chat_model.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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)
Redigera och kör kod