RAG Implementation

/plugin marketplace add wshobson/agents; /plugin install llm-application-dev

Chaque étape du pipeline de génération augmentée par récupération fait l’objet d’un choix explicite : découpage des documents, modèle d’embedding adapté à la langue et au budget, puis base vectorielle parmi Pinecone, Weaviate, Qdrant, Chroma ou pgvector, comparées selon leurs différences pratiques. La récupération combine recherche dense, recherche par mots-clés et reclassement des résultats avant leur transmission au modèle. Un exemple LangGraph sépare la récupération et la génération en deux nœuds afin de pouvoir les mesurer indépendamment.