Memasukkan Retrieval ke dalam Prompt
Menjawab dengan konteks yang berlandaskan sumber dan memiliki sitasi
Memasukkan Retrieval ke dalam Prompt adalah pelajaran NLP Academy gratis di CoddyKit. Ini adalah pelajaran 4 dari 4. Kamu bisa membaca pelajaran lengkapnya di bawah secara gratis — lalu praktikkan langsung di browser dengan editor kode bawaan dan tutor AI 24/7. Ini adalah bagian dari jalur belajar NLP Academy, dan progresmu tersinkronisasi di web dan aplikasi CoddyKit. Kursus NLP Academy mencakup 4 pelajaran total.
Menggabungkan Semua Bagian
Anda dapat mengambil potongan yang relevan dan memanggil LLM. Sekarang hubungkan keduanya: masukkan teks yang diambil ke dalam perintah sebagai konteks.
Perintah yang Diperkuat
Perintah RAG memiliki tiga bagian: sebuah instruksi, konteks yang diambil, dan pertanyaan pengguna. Model membaca ketiganya secara bersamaan.
Menggabungkan Potongan yang Diambil
Pertama, rangkailah potongan-potongan utama Anda menjadi satu blok teks. Baris kosong di antara potongan-potongan tersebut membuat setiap bagian mudah dibaca oleh model.
context = "\n\n".join(hits)Membangun String Perintah
Bungkus konteks dan pertanyaan dengan label yang jelas. Templat sederhana memberi tahu model secara tepat apa yang harus digunakan dan dijawab.
prompt = f"Context:\n{context}\n\nQuestion: {question}\nAnswer:"Memberi Tahu Model agar Tetap Berlandaskan Sumber
Tambahkan instruksi agar model menjawab hanya berdasarkan konteks. Hal ini mengurangi halusinasi dan menjaga respons tetap terkait dengan sumber Anda.
Menangani Jawaban yang Tidak Diketahui
Beri tahu model untuk mengatakan bahwa ia tidak tahu ketika konteks tidak memuat jawabannya. Mengizinkan jawaban Saya tidak tahu lebih baik daripada tebakan salah yang terdengar yakin.
Mengirimkannya ke LLM
Berikan perintah yang telah dirangkai kepada pemanggilan model Anda. Kini LLM menjawab menggunakan konteks yang Anda ambil, bukan hanya pelatihannya.
answer = llm(prompt)Menampilkan Sumber
Kembalikan potongan yang Anda gunakan bersama jawabannya. Sitasi ini memungkinkan pengguna memverifikasi klaim dan membangun kepercayaan.
Perhatikan Panjang Konteks
Terlalu banyak potongan akan melampaui jendela konteks. Pertahankan k dalam ukuran kecil dan pangkas bagian yang panjang agar perintah sesuai dengan batas model.
Fungsi RAG Minimal
Alur lengkapnya singkat: lakukan embedding, cari, bangun perintah, lalu hasilkan. Satu fungsi ini mencakup seluruh alur RAG.
def rag(q):
hits = retrieve(q)
return llm(build_prompt(hits, q))Meningkatkan Kualitas Pengambilan
Jika jawabannya kurang baik, biasanya yang perlu diperbaiki adalah pengambilan, bukan LLM. Potongan yang lebih baik dan pemeringkatan ulang meningkatkan kualitas lebih besar daripada model yang lebih besar.
Pemeriksaan Cepat
Pikirkan apa saja yang dimasukkan ke dalam perintah RAG.
Rangkuman
Anda menggabungkan potongan yang diambil menjadi konteks, membuat perintah yang berisi instruksi dan pertanyaan, menghasilkan jawaban yang berlandaskan sumber, lalu menampilkan sumbernya. ✅
Belajar Python dengan tutor AI — gratis
Tulis dan jalankan kode asli di browser kamu, dapatkan bantuan instan dari tutor AI 24/7, dan lanjutkan di mana kamu tinggalkan di web atau aplikasi.
- Kursus
- 30
- Pelajaran
- 120
Pertanyaan yang Sering Diajukan
Apakah pelajaran “Memasukkan Retrieval ke dalam Prompt” gratis?
Ya — teks lengkap “Memasukkan Retrieval ke dalam Prompt” gratis dibaca di sini di web. Untuk praktiknya secara interaktif (editor kode bawaan dan tutor AI 24/7) dan buka sisa kursus NLP Academy, upgrade ke CoddyKit PRO. Kursus NLP Academy mencakup 4 pelajaran total.
Apa yang akan aku pelajari di “Memasukkan Retrieval ke dalam Prompt”?
Menjawab dengan konteks yang berlandaskan sumber dan memiliki sitasi Kamu berlatih NLP Academy dengan kode praktik yang langsung kamu jalankan di browser, dan tutor AI 24/7 menjawab pertanyaanmu saat kamu mengerjakan pelajaran ini.
Apakah aku perlu pengalaman untuk memulai NLP Academy?
Tidak diperlukan pengalaman sebelumnya. NLP Academy di CoddyKit dirancang untuk pemula hingga pelajar tingkat lanjut, jadi kamu bisa memulai di sini atau dari awal dan belajar sesuai kecepatan kamu sendiri. Ini adalah pelajaran 4 dari 4.
Berapa lama pelajaran “Memasukkan Retrieval ke dalam Prompt” memakan waktu?
Sebagian besar pelajaran CoddyKit memakan waktu sekitar 5–10 menit. Setiap pelajaran ringkas dan interaktif, jadi kamu membuat kemajuan stabil dan melanjutkan dari tempat kamu tinggalkan di web dan aplikasi.
Bisakah aku menulis dan menjalankan kode dalam pelajaran NLP Academy ini?
Ya. Setiap pelajaran NLP Academy menyertakan editor kode bawaan, jadi kamu menulis dan menjalankan kode nyata langsung di browser dan mendapatkan umpan balik AI instan — tidak diperlukan penyiapan lokal.
Semua pelajaran dalam kursus ini
- Mengapa LLM Memerlukan Retrieval
- Membagi dan Membuat Embedding Dokumen
- Pencarian Vektor dengan Penyimpanan Vektor
- Memasukkan Retrieval ke dalam Prompt