Створення підказки для отримання даних

Ключовим елементом будь-якої реалізації RAG є підказка для отримання даних (retrieval prompt). У цій вправі ви створите шаблон чат-підказки для вашого ланцюжка отримання та перевірите, що LLM відповідає, використовуючи лише наданий контекст.

Змінну llm уже визначено для вашого використання.

Ця вправа є частиною курсу

Retrieval Augmented Generation (RAG) з LangChain

Переглянути курс

Інструкції до вправи

Перетворіть рядок prompt на багаторазовий шаблон чат-підказки.
Створіть ланцюжок LCEL, щоб інтегрувати шаблон підказки з наданою llm.
Викличте chain на наданих вхідних даних, щоб перевірити, чи може ваша модель відповідати, спираючись лише на наданий контекст.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

prompt = """
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}
"""

# Convert the string into a chat prompt template
prompt_template = ____

# Create an LCEL chain to test the prompt
chain = ____ | ____

# Invoke the chain on the inputs provided
print(chain.____({"context": "DataCamp's RAG course was created by Meri Nova and James Chapman!", "question": "Who created DataCamp's RAG course?"}))

Редагувати та запускати код