RAG Implementation
Crea pipeline di recupero basate su documenti reali
Installazione
/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.
- Autore
- wshobson
- Licenza
- MIT
Ogni fase di una pipeline RAG viene configurata in modo esplicito: come suddividere i documenti, quale modello di embedding scegliere in base a lingua e budget e quale database vettoriale usare tra Pinecone, Weaviate, Qdrant, Chroma e pgvector, confrontandone le differenze pratiche. Il recupero non si limita alla ricerca dei vicini più prossimi, ma combina ricerca densa e per parole chiave, riordinando i risultati prima di passarli al modello. Un esempio con LangGraph separa recupero e generazione in nodi distinti, così da poterli misurare singolarmente.
Skill simili
Understand Anything
SkillCrea un grafo esplorabile di una codebase scritta da altri
Planning with Files
SkillSalva il piano su disco per resistere ai reset del contesto
install-guard
SkillVerifica un pacchetto nel registro prima dell'installazione
Commenti(0)
Accedi per commentare