RAG Implementation
يبني مسارات استرجاع تربط الإجابات بمستندات حقيقية
التثبيت
/plugin marketplace add wshobson/agents; /plugin install llm-application-dev
When an LLM needs to answer from a document set, or an existing RAG pipeline returns weak matches.
- المؤلف
- wshobson
- الترخيص
- MIT
تُتخذ قرارات مدروسة في كل مرحلة من مسار التوليد المعزز بالاسترجاع بدل الاعتماد على الإعدادات الافتراضية: كيفية تقسيم المستندات، ونموذج التضمين الأنسب للغة والميزانية، ومخزن المتجهات الملائم بين Pinecone وWeaviate وQdrant وChroma وpgvector، مع مقارنتها وفق الفروق العملية بينها. لا يقتصر الاسترجاع على البحث عن أقرب الجيران، بل يجمع بين البحث الدلالي والبحث بالكلمات المفتاحية، ثم يعيد ترتيب النتائج قبل إرسالها إلى النموذج. يوضح مثال باستخدام LangGraph كيفية فصل الاسترجاع عن التوليد في عقد مستقلة لقياس أداء كل منهما على حدة.
مهارات مشابهة
LLM Application Dev
مهارةحزمة مهارات RAG والفهرسة المتجهية وهندسة الأوامر بتصميم LangGraph
SAST Configuration
مهارةيُعدّ Semgrep وCodeQL وSonarQube لحجب النتائج الفعلية
Sourcegraph
مهارةبحث برمجي عبر المستودعات وتتبع المراجع وأثر إعادة الهيكلة
التعليقات(0)
سجّل الدخول للتعليق