Bygg upp hämtningskedjan

Nu är det dags för kapitlets finale! Du ska skapa en hämtningskedja med hjälp av LangChains Expression Language (LCEL). Den kombinerar vektorlagret med dina inbäddade dokumentfragment från RAG-artikeln som du laddade tidigare, en promptmall och en LLM – så att du kan börja ställa frågor till dina dokument.

Här är en påminnelse om den prompt_template du skapade i föregående övning, och som finns tillgänglig för dig att använda:

Use the only the context provided to answer the following question. If you don't know the answer, reply that you are unsure.
Context: {context}
Question: {question}

Det vector_store med inbäddade dokumentfragment som du skapade tidigare har också laddats in, tillsammans med alla bibliotek och klasser som behövs.

Den här övningen är en del av kursen

Retrieval Augmented Generation (RAG) med LangChain

Visa kurs

Övningsinstruktioner

Konvertera Chroma-vector_store till ett retriever-objekt för användning i LCEL-hämtningskedjan.
Skapa LCEL-hämtningskedjan som kombinerar retriever, prompt_template, llm och en strängutdataparsare så att den kan besvara inmatade frågor.
Anropa kedjan med den angivna frågan.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Convert the vector store into a retriever
retriever = vector_store.____(search_type="similarity", search_kwargs=____)

# Create the LCEL retrieval chain
chain = (
    {"____": ____, "question": ____}
    | ____
    | ____
    | ____
)

# Invoke the chain
print(chain.____("Who are the authors?"))

Redigera och kör kod