Vous pouvez rencontrer un terme intitulé RAG UN maintenant, il est rapidement adopté et introduit en 2020. Principalement, il est largement utilisé pour les applications basées sur LLM, le support client AI, les assistants de connaissances internes, etc.

📊 Brève vue d'ensemble

Créons un exemple de table de base de données de chiffon spécifique à un ticker à l'aide de pinecone. Dans mon projet, j'avais besoin de cartographier le stock, Crypto Nom: Symboles Ticker pour extraire uniquement le symbole de ticker. J'ai aussi une vidéo YouTube ce que vous pouvez vérifier ci-dessous. 👇️

https://youtu.be/qde3gi2txr8

Configuration de la base de données

Comme mentionné, j'ai utilisé Pinecone, mais il existe également d'autres options comme l'utilisation de Redis et même Postgres a un certain support. Donc ceux que vous avez créés un compte créent un nouvel index (table)

Il existe de nombreuses options et cela dépend bien sûr du modèle LLM que vous utilisez. Si vous utilisez GPT, utilisez par tous les moyens, utilisez l'une des incorporations GPT prédéfinies. Il y a aussi la configuration de Llama et Microsoft, pour mon cas d'utilisation, j'ai fait une "configuration manuelle" ...
[Courte citation de 8% de l'article original]