Czym jest RAG?
Co to jest?
Potok RAG (retrieval-augmented generation) pozwala modelowi odpowiadać na podstawie Twoich dokumentów: są one dzielone i zamieniane na embeddingi, a przy każdym pytaniu przydatne fragmenty są wyszukiwane i przekazywane modelowi.
Kiedy go używać
- Sprawić, by asystent odpowiadał na podstawie wewnętrznej dokumentacji lub katalogu produktów.
- Ograniczyć halucynacje, każąc modelowi podawać źródła.
Pola strony
| Źródła | Użyte dokumenty i sposób ich aktualizacji. |
|---|---|
| Podział | Rozmiar fragmentów i nakładanie. |
| Embeddingi i baza wektorowa | Model embeddingów i miejsce przechowywania wektorów. |
| Wyszukiwanie | Liczba zachowanych fragmentów i ewentualne ponowne sortowanie. |
| Szablon promptu | Tekst wysyłany do modelu, z {{context}} i {{question}}. |
Jak go używać
Zakładka „Użycie”: pobierz konfigurację JSON; przykład w Pythonie opisuje każdy krok.