BaşlayınÜcretsiz Başlayın

RAG soru yanıtlama fonksiyonu

Neredeyse bitti! RAG iş akışındaki son adım, getirilen belgeleri bir soru-yanıtlama modeliyle entegre etmek.

Bir prompt_with_context_builder() fonksiyonu zaten tanımlandı ve kullanımına hazır. Bu fonksiyon, Pinecone indeksinden getirilen belgeleri alır ve soru-yanıtlama modelinin işleyebileceği bir isteme entegre eder:

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

question_answering() fonksiyonunu uygulayacaksın. Bu fonksiyon, OpenAI'nin gpt-4o-mini dil modeline, sorularını yanıtlarken kullanabileceği ek bağlam ve kaynaklar sağlayacak.

Bu egzersiz

Pinecone ile Vektör Veritabanları ve Embeddings

kursunun bir parçasıdır
Kursu Görüntüle

Egzersiz talimatları

  • Pinecone istemcisini API anahtarınla başlat (OpenAI istemcisi client olarak mevcut).
  • 'youtube_rag_dataset' namespace'inden query metnine en benzer üç belgeyi getir.
  • chat_model fonksiyon argümanı kullanılarak belirtilen OpenAI'nin 'gpt-4o-mini' modeliyle verilen prompt ve sys_prompt için bir yanıt üret.

Uygulamalı interaktif egzersiz

Bu örnek kodu tamamlayarak bu egzersizi bitirin.

# 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)
Kodu Düzenle ve Çalıştır