Xây dựng retrieval chain
Giờ là phần tổng kết của chương! Bạn sẽ tạo một retrieval chain bằng LangChain's Expression Language (LCEL). Chain này sẽ kết hợp vector store chứa các đoạn tài liệu đã được embed từ bài báo RAG mà bạn đã tải trước đó, một prompt template và một LLM để bạn có thể bắt đầu “trò chuyện” với tài liệu của mình.
Dưới đây là nhắc lại về prompt_template bạn đã tạo ở bài trước và hiện có sẵn để sử dụng:
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}
vector_store chứa các đoạn tài liệu đã embed mà bạn tạo trước đó cũng đã được tải sẵn cho bạn, cùng với tất cả thư viện và lớp cần thiết.
Bài tập này là một phần của khóa học
Retrieval Augmented Generation (RAG) với LangChain
Hướng dẫn bài tập
- Chuyển Chroma
vector_storethành một đối tượng retriever để dùng trong LCEL retrieval chain. - Tạo LCEL retrieval chain để kết hợp
retriever,prompt_template,llmvà một string output parser để có thể trả lời các câu hỏi đầu vào. - Gọi (invoke) chain với câu hỏi đã cho.
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# 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?"))