Навык

RAG Implementation

Создаёт поисковые конвейеры с опорой на реальные документы

Установка

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

Условия запуска

When an LLM needs to answer from a document set, or an existing RAG pipeline returns weak matches.

Автор: wshobson
Лицензия: MIT

Репозиторийhttps://github.com/wshobson/agents

Для каждого этапа RAG-конвейера принимается отдельное решение: как разбивать документы, какая модель эмбеддингов подходит по языку и бюджету и какое векторное хранилище использовать — Pinecone, Weaviate, Qdrant, Chroma или pgvector сравниваются по практическим различиям. Поиск не ограничивается ближайшими соседями: плотный поиск сочетается с поиском по ключевым словам, а результаты переранжируются перед передачей модели. Пример на LangGraph разделяет поиск и генерацию на отдельные узлы, чтобы оценивать их независимо.