RAG Implementation
Bygger hämtningsflöden som grundar svar i riktiga dokument
Installera
/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.
- Utvecklare
- wshobson
- Licens
- MIT
Varje steg i en retrieval-augmented pipeline får ett medvetet beslut i stället för ett standardval: hur dokument delas upp, vilken embedding-modell som passar språket och budgeten samt vilken vektordatabas som ska användas. Pinecone, Weaviate, Qdrant, Chroma och pgvector jämförs utifrån praktiska skillnader. Hämtning omfattar mer än närmaste-granne-sökning genom att kombinera semantisk sökning och nyckelordssökning samt rangordna om resultaten innan de når modellen. Ett LangGraph-exempel visar hämtning och generering som separata noder så att de kan mätas var för sig.
Liknande färdigheter
Understand Anything
FärdighetBygger en utforskbar graf över en kodbas du inte har skrivit
Planning with Files
FärdighetSparar planen på disk så att den överlever kontextåterställning
install-guard
FärdighetKontrollerar paket i registret före installation
Kommentarer(0)
Logga in för att kommentera