RAG Implementation
Cria pipelines de busca que baseiam respostas em documentos reais
Instalação
/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
- Licença
- MIT
Cada etapa do pipeline de geração aumentada por recuperação é escolhida de forma consciente: como dividir os documentos, qual modelo de embeddings combina com o idioma e o orçamento e qual banco vetorial usar — Pinecone, Weaviate, Qdrant, Chroma ou pgvector, comparados por suas diferenças práticas. A recuperação vai além da busca por vizinhos mais próximos: combina busca densa e por palavras-chave e reordena os resultados antes de enviá-los ao modelo. Um exemplo com LangGraph separa recuperação e geração em nós distintos, permitindo medir cada etapa individualmente.
Skills semelhantes
Understand Anything
SkillCria um grafo navegável de uma base de código desconhecida
Planning with Files
SkillMantém o plano em disco para sobreviver à perda de contexto
install-guard
SkillConfere o pacote no registro antes da instalação
Comentários(0)
Entre para comentar