为 RAG 加载 PDF 文件
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。文档来源多样，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，其中包含 Lewis 等人在 2021 年发表的论文《Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks》（面向知识密集型 NLP 任务的检索增强生成）。该文件已为您提供，文件名为 'rag_paper.pdf'。
注意：用于在 LangChain 中加载 PDF 文档的依赖项 pypdf 已为您安装完毕。
本练习是课程的一部分
使用 LangChain 的 Retrieval Augmented Generation (RAG)
练习说明
- 在 LangChain 中导入用于加载 PDF 文档的相应类。
- 为
'rag_paper.pdf'文档创建一个文档加载器。 - 将文档加载到内存中，以查看第一个文档（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_paper.pdf
loader = ____
# Load the document
data = ____
print(data[0])