Building a RAG System
1.0.0
كما نعلم أن LLMs مثل Gemini تفتقر إلى المعلومات الخاصة بالشركة. لكن هذه المعلومات الأخيرة متاحة عبر ملفات PDF، والملفات النصية، وما إلى ذلك... الآن إذا تمكنا من ربط LLM الخاص بنا بهذه المصادر، فيمكننا إنشاء تطبيق أفضل بكثير.
باستخدام إطار عمل LangChain، قمت ببناء نظام الجيل المعزز للاسترجاع (RAG) الذي يمكنه الاستفادة من قوة LLM مثل Gemini 1.5 Pro للإجابة على الأسئلة المتعلقة بمقالة "لا تترك أي سياق خلفك" التي نشرتها Google في 10 أبريل 2024. في هذه العملية، تم التواصل مع الجهات الخارجية يتم استرداد البيانات (أي ورقة لا تترك أي سياق خلفها) ثم يتم تمريرها إلى LLM أثناء خطوة الإنشاء.
يمكنك العثور على الورقة هنا.
ابحث عن تنفيذ الكود الكامل هنا.
