О чём урок
В этом notebook мы рассмотрим создание RAG с LlamaIndex, используя MistralAI LLM и Embedding Model. Кроме того, мы рассмотрим использование Index в качестве Retriever.
- Базовый пайплайн RAG.
- Index как Retriever.
Ниже приведены шаги, необходимые для создания базового пайплайна RAG.
- Настройка LLM и Embedding Model
- Скачивание данных
- Загрузка данных
- Создание Nodes
- Создание Index
- Создание Query Engine
- Выполнение запросов
Query Engine объединяет модули Retrieval и Response Synthesis для генерации ответа на заданный запрос.
Для демонстрации мы будем использовать Uber 2021 10K SEC Filings.
Мы можем использовать созданный Index в качестве Retriever. Retriever помогает извлекать релевантные chunks/nodes для заданного пользовательского запроса.
План урока
- Настройка API Keys
- Базовый пайплайн RAG
- Настройка LLM и Embedding Model
- Скачивание данных
- Загрузка данных
- Создание Nodes
- Создание Index
- Создание Query Engine
Урок входит в полный доступ. Полный текст и видео открываются после оплаты. Первые уроки каждого курса бесплатны.