Advanced RAG
1.0.0
Dieses Repository enthält einen strukturierten Leitfaden zur Implementierung der Abruf-Generation (RAG). Jedes Notizbuch in diesem Repository soll einen bestimmten Aspekt des Lags vermitteln, beginnend von den Grundlagen bis zum Aufbau einer End-to-End-Pipeline.
Dieser Leitfaden ist von der Arbeit von Thisaiguy inspiriert und basiert. Der vollständige Kredit wird an den ursprünglichen Autor für ihre unschätzbaren Ressourcen und Erkenntnisse gelten.
1_fundamentals_of_rag.ipynb
Führt die Grundlagen der retrieval-augmentierten Generation ein.
2_langchain_retrieval_pipeline.ipynb
Deckt, wie Sie eine Abrufpipeline mit Langchain für optimierte Workflows einrichten.
3_overview_of_document_loaders.ipynb
Bietet einen Überblick über Dokumentlader und ihre Rolle bei der Verarbeitung von Daten zum Abrufen von Aufgaben.
4_document_loaders.ipynb
Ein tieferer Tauchgang, verschiedene Dokumentlader mit praktischen Beispielen zu verwenden.
5_text_splitter_transformation.ipynb
Erklärt die Textaufteilung und -Transformationen, um Daten für ein Einbettung und Abrufen zu optimieren.
6_text_embedding_models.ipynb
Konzentriert sich auf Texteinbettungsmodelle und ihre Konfigurationen zur Generierung sinnvoller Vektordarstellungen.
7_vector_stores_and_retrievers.ipynb
Erörtert Vektorspeicher und Retriever und zeigt, wie Sie Informationen effizient speichern und abrufen.
8_retrievers.ipynb
Detaillierte Erkundung von Retrievertypen und deren Integration in Vektorspeicher.
9_End_to_End_RAG_Chain.ipynb
Kombiniert alle Konzepte zu einer End-to-End-Abrufpipeline mit Abruf.
pip install -r requirements.txt1_fundamentals_of_rag.ipynb . requirements.txt aufgeführten Abhängigkeiten.txt Beiträge sind willkommen! Fühlen Sie sich frei, dieses Repository zu geben und eine Pull -Anfrage einzureichen.
