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
Finding Duplicate Functions
HabilidadDetecta funciones que resuelven lo mismo con nombres distintos
Claude-Mem
HabilidadConserva entre sesiones lo que aprendió un agente
Debugging Compose Recompositions
HabilidadHace visible la recomposición con métricas y causas por argumento
Comentarios(0)
Inicia sesión para comentar