RAG Implementation
Bouwt zoekpijplijnen die antwoorden op echte documenten baseren
Installeren
/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.
- Auteur
- wshobson
- Licentie
- MIT
Elke fase van een retrieval-augmented pijplijn wordt bewust gekozen: hoe documenten worden opgesplitst, welk embeddingmodel bij de taal en het budget past en welke vectordatabase wordt gebruikt. Pinecone, Weaviate, Qdrant, Chroma en pgvector worden vergeleken op praktische verschillen, terwijl dense search, zoeken op trefwoorden en reranking worden gecombineerd voordat het resultaat het model bereikt. Een LangGraph-voorbeeld scheidt ophalen en genereren in afzonderlijke knooppunten, zodat beide apart kunnen worden gemeten.
Vergelijkbare skills
Understand Anything
SkillBouwt een doorzoekbare graaf van een onbekende codebase
Planning with Files
SkillBewaart het plan op schijf, ook na een contextreset
install-guard
SkillControleert een pakket in het register vóór de installatie
Reacties(0)
Log in om te reageren