Koble retrieval inn i prompten
Svar med forankret kontekst og kildehenvisninger
Koble retrieval inn i prompten er en gratis leksjon i NLP Academy på CoddyKit. Dette er leksjon 4 av 4. Du kan lese valgfritt 3 leksjoner fra denne læringsstien gratis i sin helhet – deretter låser CoddyKit PRO opp alle leksjoner, samt praktisk øving med en innebygd kodeeditor og en AI-veileder som er tilgjengelig døgnet rundt. Den er en del av læringsløpet i NLP Academy, og fremdriften din synkroniseres mellom nettet og CoddyKit-appen. Kurset i NLP Academy inneholder totalt 4 leksjoner.
Sette delene sammen
De kan hente relevante tekstbiter og kalle en LLM. Nå kobler De dem sammen: legg den hentede teksten inn i prompten som kontekst.
Den utvidede prompten
En RAG-prompt har tre deler: en instruksjon, den hentede konteksten og brukerens spørsmål. Modellen leser alle tre delene samlet.
Slå sammen de hentede tekstbitene
Først setter De de beste tekstbitene sammen til én tekstblokk. En tom linje mellom dem gjør hver passasje lettere for modellen å lese.
context = "\n\n".join(hits)Bygge promptstrengen
Omgiv konteksten og spørsmålet med tydelige etiketter. En enkel mal forteller modellen nøyaktig hva den skal bruke og hva den skal svare på.
prompt = f"Context:\n{context}\n\nQuestion: {question}\nAnswer:"Be modellen holde seg til kildene
Legg til en instruksjon om å svare bare ut fra konteksten. Dette begrenser hallusinasjoner og holder svaret knyttet til kildene Deres.
Håndtere ukjente svar
Be modellen si at den ikke vet når konteksten ikke gir noe svar. Å tillate Jeg vet ikke er bedre enn en selvsikker, feilaktig gjetning.
Sende det til LLM-en
Send den sammensatte prompten til modellkallet. LLM-en svarer nå ved hjelp av den hentede konteksten Deres, ikke bare treningen sin.
answer = llm(prompt)Vise kildene
Returner tekstbitene De brukte, sammen med svaret. Disse kildehenvisningene lar brukerne kontrollere påstanden og bygger tillit.
Følg med på kontekstlengden
For mange tekstbiter fyller opp kontekstvinduet. Hold k lavt og kort ned lange passasjer slik at prompten holder seg innenfor modellens budsjett.
En minimal RAG-funksjon
Hele flyten er liten: gjør teksten om til en embedding, søk, bygg en prompt og generer. Denne ene funksjonen dekker en hel RAG-pipeline.
def rag(q):
hits = retrieve(q)
return llm(build_prompt(hits, q))Forbedre kvaliteten på hentingen
Hvis svarene er svake, ligger løsningen vanligvis i hentingen, ikke i LLM-en. Bedre tekstbiter og omrangering øker kvaliteten mer enn en større modell.
Rask sjekk
Tenk over hva som inngår i en RAG-prompt.
Oppsummering
De slår sammen hentede tekstbiter til kontekst, bygger en prompt med instruksjon og spørsmål, genererer et forankret svar og viser kildene. ✅
Lær deg Python med en AI-veileder – gratis
Skriv og kjør ekte kode i nettleseren, få umiddelbar hjelp fra en AI-veileder som er tilgjengelig døgnet rundt, og fortsett der du slapp – på nettet eller i appen.
- Kurs
- 30
- Leksjoner
- 120
Ofte stilte spørsmål
Er leksjonen «Koble retrieval inn i prompten» gratis?
Ja – du kan lese valgfritt 3 av leksjonene i læringsstien NLP Academy, inkludert «Koble retrieval inn i prompten», gratis i sin helhet her på nettet. Deretter låser CoddyKit PRO opp alle leksjoner, samt interaktiv øving med en innebygd kodeeditor og en AI-veileder som er tilgjengelig døgnet rundt. Kurset i NLP Academy inneholder totalt 4 leksjoner.
Hva lærer jeg i «Koble retrieval inn i prompten»?
Svar med forankret kontekst og kildehenvisninger Du øver på NLP Academy med praktisk kode som du kjører direkte i nettleseren, mens en AI-veileder som er tilgjengelig døgnet rundt, svarer på spørsmålene dine mens du jobber deg gjennom leksjonen.
Trenger jeg erfaring for å begynne med NLP Academy?
Ingen tidligere erfaring er nødvendig. NLP Academy på CoddyKit er lagt opp for både nybegynnere og viderekomne, så De kan begynne her eller helt fra start og lære i Deres eget tempo. Dette er leksjon 4 av 4.
Hvor lang tid tar leksjonen «Koble retrieval inn i prompten»?
De fleste CoddyKit-leksjoner tar omtrent 5–10 minutter. Hver leksjon er kort og interaktiv, slik at De gjør jevne fremskritt og kan fortsette akkurat der De slapp – både på nettet og i appen.
Kan jeg skrive og kjøre kode i denne NLP Academy-leksjonen?
Ja. Alle NLP Academy-leksjoner har en innebygd kodeeditor, slik at De kan skrive og kjøre ekte kode direkte i nettleseren og få umiddelbar tilbakemelding fra AI – uten lokal konfigurering.
Alle leksjonene i dette kurset
- Hvorfor LLM-er trenger retrieval
- Del opp og lag embeddings av dokumenter
- Vektorsøk med et vektorlager
- Koble retrieval inn i prompten