RAG Implementation
Buduje pipeline’y wyszukiwania oparte na rzeczywistych dokumentach
Instalacja
/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
- Licencja
- MIT
Każdy etap pipeline’u RAG wymaga świadomej decyzji: jak dzielić dokumenty, który model embeddingowy pasuje do języka i budżetu oraz którą bazę wektorową wybrać — Pinecone, Weaviate, Qdrant, Chroma czy pgvector — na podstawie praktycznych różnic. Wyszukiwanie łączy metody gęste i słowa kluczowe, a wyniki są ponownie porządkowane przed przekazaniem do modelu. Przykład w LangGraph rozdziela wyszukiwanie i generowanie na osobne węzły, aby każdy etap można było mierzyć niezależnie.
Podobne umiejętności
Understand Anything
UmiejętnośćBuduje interaktywny graf nieznanej bazy kodu
Planning with Files
UmiejętnośćZapisuje plan na dysku, by nie zniknął po resecie kontekstu
install-guard
UmiejętnośćSprawdza pakiet w rejestrze przed jego instalacją
Komentarze(0)
Zaloguj się, aby skomentować