Dokumentladdare för PDF
För att börja implementera Retrieval Augmented Generation (RAG) behöver du först läsa in de dokument som modellen ska ha tillgång till. Dokumenten kan komma från många olika källor, och LangChain har stöd för dokumentladdare för de flesta av dem.
I den här övningen använder du en dokumentladdare för att läsa in ett PDF-dokument med artikeln RAG VS Fine-Tuning: Pipelines, Tradeoffs, and a Case Study on Agriculture av Balaguer m.fl. (2024).
Obs: pypdf, ett beroende för att läsa in PDF-dokument i LangChain, är redan installerat.
Den här övningen är en del av kursen
Utveckla LLM-applikationer med LangChain
Övningsinstruktioner
- Importera lämplig klass för att läsa in PDF-dokument i LangChain.
- Skapa en dokumentladdare för dokumentet
'rag_vs_fine_tuning.pdf', som finns i den aktuella katalogen. - Läs in dokumentet i minnet för att visa innehållet i det första dokumentet, eller den första sidan.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Import library
from langchain_community.document_loaders import ____
# Create a document loader for rag_vs_fine_tuning.pdf
loader = ____
# Load the document
data = ____
print(data[0])