Retrieval Augmented Generation Intro Project

Proyek Intro Pengambilan Augmented Generation (RAG) ??

Selamat datang di proyek Retrieval Augmented Generation (RAG)! ? Proyek ini bertujuan untuk memperkenalkan dan menunjukkan aplikasi praktis RAG menggunakan kode Python di lingkungan notebook Jupyter. Llamaindex digunakan di sini. Kami percaya belajar dan bereksperimen dengan RAG haruslah pendidikan dan menyenangkan! ?

Struktur proyek

Proyek ini diatur ke dalam beberapa folder:

• File : Folder ini berisi file penting untuk referensi Anda:

  • readme.md : Saat ini Anda sedang membaca file ini! Ini memberikan ikhtisar proyek.
  • Intro of Retrieval Augmented Generation (RAG) and application demos_Henry.pdf : File ini menjelaskan informasi latar belakang dan memberikan informasi tambahan eksperimen langsung menggunakan RAG. Must-baca untuk memulai!

• Python_env : Di folder ini, Anda akan menemukan file NLP.yml . Impor file YAML ini untuk membuat lingkungan Python khusus untuk menjalankan kode dengan mulus.

• Kode : Folder code berisi tiga file notebook Jupyter, masing -masing mewakili percobaan yang berbeda:

  • 1_Basic_RAG_Pipeline.ipynb : Buku catatan ini menunjukkan pipa kain dasar. Ini adalah titik awal yang bagus untuk memahami dasar -dasar kain.
  • 2_Sentence_window_retrieval.ipynb : Buku catatan ini mengeksplorasi konsep pengambilan jendela kalimat menggunakan Rag. Temukan bagaimana Rag dapat mengambil informasi dari jendela konteks tertentu.
  • 3_Auto-merging_Retrieval.ipynb : Dalam buku catatan ini, Anda akan belajar tentang pengambilan otomatis dan bagaimana meningkatkan proses pembangkitan. Barang -barang menarik!

• Data : Folder data adalah tempat Anda dapat menyimpan dokumen minat Anda sendiri untuk pengambilan. Untuk saat ini, kami telah menyertakan file contoh bernama Henry.txt . Jangan ragu untuk menggantinya dengan dokumen Anda sendiri untuk bereksperimen dengan Rag.

• Umum : Di dalam folder ini, Anda akan menemukan file openAI.env . Jangan lupa untuk menambahkan kunci API OpenAI Anda di file ini untuk mengaktifkan interaksi tanpa batas dengan model OpenAI.

Memulai

Untuk memulai perjalanan kain Anda, ikuti langkah -langkah ini:

1. Klon atau unduh repositori proyek ini ke mesin lokal Anda.

2. Impor file NLP.yml di folder python_env untuk membuat lingkungan python khusus. Ini memastikan semua dependensi dipasang dengan benar.

3. Di folder common , buka file openAI.env dan masukkan kunci API openai Anda. Langkah ini sangat penting untuk mengakses model OpenAI.

4. Biasakan diri Anda dengan proyek dengan membaca Intro of Retrieval Augmented Generation (RAG) and application demos_Henry.pdf file di folder files . Ini memberikan informasi latar belakang yang penting dan eksperimen langsung.

5. Jelajahi tiga file notebook Jupyter ( 1_Basic_RAG_Pipeline.ipynb , 2_Sentence_window_retrieval.ipynb , dan 3_Auto-merging_Retrieval.ipynb ) di folder code . Jalankan notebook untuk melihat RAG beraksi!

6. Eksperimen dengan Rag dengan memodifikasi contoh yang disediakan atau menggunakan dokumen Anda sendiri di folder data . Jangan ragu untuk menjadi kreatif dan bersenang -senang dengannya! ?

Kesimpulan ?

Selamat! Anda sekarang dilengkapi dengan informasi dan alat yang diperlukan untuk belajar, mendaftar, dan bersenang -senang dengan pengambilan augmented generasi (RAG). Kami berharap proyek ini memicu keingintahuan Anda dan mendorong Anda untuk menjelajahi dunia Rag yang menarik menggunakan buku catatan Jupyter yang disediakan. Selamat menghasilkan! ?

Jika Anda memiliki pertanyaan atau membutuhkan bantuan lebih lanjut, jangan ragu untuk menjangkau. Nikmati perjalanan kain Anda! ?