Vous n'avez pas besoin de RAG pour créer un moteur de sentiment de domaine : un seul LLM + JSON fonctionne

DEV - 09/12
Nous supposons souvent que tout système NLP spécifique à un domaine nécessite une pile RAG complète : intégrations, bases de données vectorielles,...

Nous supposons souvent que tout système NLP spécifique à un domaine a besoin d'une pile RAG complète : intégrations, bases de données vectorielles, récupérateurs, indexation, l'ensemble du pipeline.

Mais dans plusieurs projets du monde réel que j'ai examinés, y compris un moteur de sentiments pour l'immobilier commercial (CRE) (détails anonymisés), la vérité surprenante est la suivante :

Un seul LLM avec des contraintes de sortie structurées peut remplacer l'ensemble du pipeline RAG.

Voyons comment – ​​et pourquoi – cela fonctionne.

🧩 1. La tâche originale (moteur de sentiment CRE)

Le système devait :

interpréter la terminologie CRE

classer le sentiment du marché

extraire des signaux tels qu...
[Courte citation de 8% de l'article original]