了解 Weaviate 如何赋能 RAG 应用！您将手动构建一个端到端的 RAG 工作流，以熟悉检索—增强—生成各步骤。这一理解将帮助您在第 2 章中使用 Weaviate 构建更健壮、优化更充分的 RAG 工作流。

从 RAG 起步，走向精通！

使用 LLM 进行文本生成

创建文本嵌入向量

比较文本嵌入向量

把 "R"、"A"、"G" 串起来

Weaviate 中的 RAG 基础

虽然手写 RAG 工作流很有趣，但可能错过了像 Weaviate 这类工具带来的优化。在本章中，您将使用 Weaviate 完成嵌入、存储、检索与生成的全流程！

使用 Weaviate 的 RAG 工作流

PDF 文本提取与分块

在 Weaviate 中完成初始设置

在 Weaviate 中进行查询

从上到下实现 RAG

使用 Weaviate 实现端到端 RAG

在上一章中，您使用 PDF 文档的文本内容来构建文档分块，但忽略了图像内容。这会丢失大量对检索和生成有用的上下文！在本章中，您将使用 ColPali 多模态模型，对文本与图像进行嵌入与生成，为模型回答提供更充分的上下文。

文本与图像的 RAG

为 Multi-Modal RAG 做准备

使用 Weaviate 的多模态 RAG

恭喜您！

多模态 RAG

学习如何从简单的 LLM 调用，进阶到使用 Weaviate 构建多模态 RAG 工作流！您将学习如何处理 PDF 文档，提取段落、标题和表格等关键文本内容。您会将这些数据进行向量化并存储在 Weaviate 中以便检索。最后，您将设计高效的检索提示，传递给生成式模型。作为收尾，您还会将 PDF 视作图像进行处理，以保留图像和可视化中容易丢失的上下文。您将使用 ColPali 多模态嵌入模型，并结合 OpenAI 的多模态生成模型，开始与图像和文档进行对话！

Working with the OpenAI API

使用Weaviate掌握RAG！嵌入文本和图像进行检索，尝试向量、BM25和混合搜索。

掌握 Weaviate 中的 RAG！嵌入文本和图像以便检索，并尝试向量、BM25 和混合搜索。

为 Multi-Modal RAG 做准备

使用 Weaviate 实现端到端 RAG

练习说明

动手互动练习