О чём урок
Adaptive RAG — это стратегия для RAG, которая объединяет (1) анализ запросов с (2) активным / самокорректирующимся RAG.
В статье они сообщают об анализе запросов для маршрутизации по следующим категориям:
- Без извлечения (ответы LLM)
- Однократный RAG
- Итеративный RAG
Мы будем использовать Command R+, недавний релиз от Cohere, который:
- Обладает высокой точностью в RAG, использовании инструментов (Tool Use) и агентах (Agents)
- Имеет контекст 128k
Агент ReAct будет оснащен этими инструментами. Модель может выбирать между:
- веб-поиск
- RAG: извлечение из векторного хранилища
- прямым ответом
Модель может использовать любой из этих инструментов, в любой последовательности шагов, и проводить саморефлексию.
Модель может разумно выбирать подходящие инструменты для запроса пользователя, вызывать их в любой последовательности шагов, анализировать результаты и проводить саморефлексию.
Давайте зададим вопрос, требующий веб-поиска.
Давайте зададим вопрос, требующий извлечения RAG из векторной базы данных.
Давайте зададим вопрос, требующий прямого ответа.
Давайте зададим вопрос, требующий использования нескольких инструментов и саморефлексии.
План урока
- Инструмент веб-поиска
- Инструмент RAG
Урок входит в полный доступ. Полный текст и видео открываются после оплаты. Первые уроки каждого курса бесплатны.