建立檢索提示
在任何 RAG 實作中，檢索提示（retrieval prompt）都是關鍵的一環。這個練習中，你會為檢索鏈建立聊天提示範本，並測試 LLM 是否能僅根據提供的脈絡回應。
已經為你定義好一個 llm 可供使用。
本練習屬於課程
使用 LangChain 的 Retrieval Augmented Generation（RAG）
練習說明
- 將字串
prompt轉換為可重複使用的聊天提示範本。 - 建立一個 LCEL 鏈，將提示範本與提供的
llm整合。 - 對提供的輸入呼叫
chain，檢查模型是否能僅使用提供的脈絡產生回應。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
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?"}))