RAG Implementation
Crea pipelines de recuperación basados en documentos reales
Instalación
/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.
- Autor
- wshobson
- Licencia
- MIT
Cada etapa de un pipeline de generación aumentada por recuperación se decide de forma explícita: cómo dividir los documentos, qué modelo de embeddings se ajusta al idioma y al presupuesto, y qué base de datos vectorial utilizar —Pinecone, Weaviate, Qdrant, Chroma o pgvector— comparándolas según sus diferencias prácticas. La recuperación va más allá de buscar el vecino más cercano: combina búsquedas densas y por palabras clave, y reordena los resultados antes de enviarlos al modelo. Un ejemplo con LangGraph muestra la recuperación y la generación como nodos separados para poder medir cada etapa de forma independiente.
Habilidades similares
Understand Anything
HabilidadCrea un grafo navegable de una base de código ajena
Planning with Files
HabilidadGuarda el plan en disco para sobrevivir a reinicios de contexto
install-guard
HabilidadComprueba un paquete en su registro antes de instalarlo
Comentarios(0)
Inicia sesión para comentar