Gles hämtning med BM25
Dags att prova en implementation av gles hämtning! Du ska skapa en BM25-retriever för att ställa frågor om en akademisk artikel om RAG, som redan har delats upp i segment kallade chunks. En OpenAI-chattmodell och en prompt har också definierats som llm respektive prompt. Du kan se den angivna prompt genom att skriva ut den i konsolen.
Den här övningen är en del av kursen
Retrieval Augmented Generation (RAG) med LangChain
Övningsinstruktioner
- Skapa en BM25-baserad gles retriever från dokumenten som lagrats i
chunks; konfigurera den att returnera5dokument vid hämtning. - Skapa en LCEL-hämtningskedja för att integrera BM25-retrievern med den angivna
llmochprompt.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Create a BM25 retriever from chunks
retriever = ____
# Create the LCEL retrieval chain
chain = ({"context": ____, "question": ____}
| ____
| ____
| StrOutputParser()
)
print(chain.invoke("What are knowledge-intensive tasks?"))