Bekijk: Hoe RAG werkt
Je gaat een RAG pipeline stuk voor stuk bouwen: chunking, embedding, een vector store, retrieval en een grounded prompt. Bekijk het geheel voordat je naar de onderdelen kijkt.
Het probleem: een taalmodel is nooit getraind op je privédocumenten, dus het kan geen vragen daarover beantwoorden, en als het het probeert, raadt het. RAG lost dat op in drie stappen, Retrieve, Augment, Generate. Druk op play en kijk hoe een vraag wordt beantwoord vanuit documenten die het model nooit heeft gezien.
Een probleem ontdekt in deze les? Meld het · Vraag naar deze les
Deze oefening opent binnenkort
Maak de les ervoor af voordat deze wordt ontgrendeld. De hele cursus is gratis, geen account nodig, en je kunt deze les nu lezen.
Deze browser blokkeert cookies voor learn.floati.life, dus lessen die je hier hebt afgerond kunnen niet in de juiste volgorde worden geopend. Sta cookies toe voor deze site en laad de pagina opnieuw.