PDF 文档加载器
要开始实现 Retrieval Augmented Generation（RAG，检索增强生成），您首先需要加载模型将要访问的文档。这些文档可以来自多种来源，LangChain 为其中许多来源都提供了文档加载器。
在本练习中，您将使用文档加载器来加载一份 PDF 文档，内容为 Balaguer 等人在 2024 年发表的论文《RAG VS Fine-Tuning: Pipelines, Tradeoffs, and a Case Study on Agriculture》。
注意：用于在 LangChain 中加载 PDF 文档的依赖项 pypdf 已为您预先安装。
本练习是课程的一部分
使用 LangChain 开发 LLM 应用
练习说明
- 在 LangChain 中导入用于加载 PDF 文档的合适类。
- 为当前目录中的
'rag_vs_fine_tuning.pdf'文档创建一个文档加载器。 - 将文档加载到内存中，以便查看第一个文档（或页面）的内容。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Import library
from langchain_community.document_loaders import ____
# Create a document loader for rag_vs_fine_tuning.pdf
loader = ____
# Load the document
data = ____
print(data[0])