Пайплайн RAG на LlamaIndex

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 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

1. Настройка API Keys
2. Базовый пайплайн RAG
3. Настройка LLM и Embedding Model
4. Скачивание данных
5. Загрузка данных
6. Создание Nodes
7. Создание Index
8. Создание Query Engine