NLP Academy · Lektion

Koppla in retrieval i prompten

Svara med förankrad kontext och källhänvisningar

Lektion 4 av 413 steg

Koppla in retrieval i prompten är en gratis lektion i NLP Academy på CoddyKit. Detta är lektion 4 av 4. Du kan läsa vilka 3 lektioner som helst i den här lärvägen kostnadsfritt i sin helhet – därefter låser CoddyKit PRO upp alla lektioner, plus praktisk övning med en inbyggd kodredigerare och en AI-lärare dygnet runt. Den ingår i lärvägen för NLP Academy, och Era framsteg synkroniseras mellan webben och CoddyKit-appen. Kursen i NLP Academy innehåller totalt 4 lektioner.

Sätt ihop delarna

Ni kan hämta relevanta chunkar och anropa en LLM. Nu kopplar Ni ihop dem: mata in den hämtade texten i prompten som kontext.

Den utökade prompten

En RAG-prompt har tre delar: en instruktion, den hämtade kontexten och användarens fråga. Modellen läser alla tre tillsammans.

Slå ihop de hämtade chunkarna

Först sammanfogar Ni Era främsta chunkar till ett textblock. En tom rad mellan dem gör varje avsnitt lättläst för modellen.

context = "\n\n".join(hits)

Bygga promptsträngen

Omslut kontexten och frågan med tydliga etiketter. En enkel mall talar exakt om för modellen vad den ska använda och vad den ska svara på.

prompt = f"Context:\n{context}\n\nQuestion: {question}\nAnswer:"

Tala om för modellen att hålla sig förankrad

Lägg till en instruktion om att svara endast utifrån kontexten. Detta begränsar hallucinationer och håller svaret kopplat till Era källor.

Hantera okända svar

Tala om för modellen att säga att den inte vet när kontexten inte innehåller svaret. Att tillåta jag vet inte är bättre än en självsäker felaktig gissning.

Skicka det till LLM:en

Skicka den färdiga prompten till Ert modellanrop. LLM:en svarar nu med hjälp av Er hämtade kontext, inte bara sin träning.

answer = llm(prompt)

Visa källorna

Returnera de chunkar Ni använde tillsammans med svaret. Dessa källhänvisningar låter användarna verifiera påståendet och bygger förtroende.

Håll koll på kontextens längd

För många chunkar överskrider kontextfönstret. Håll k litet och korta ned långa avsnitt så att prompten ryms inom modellens budget.

En minimal RAG-funktion

Hela flödet är litet: bädda in, sök, bygg prompt och generera. Denna enda funktion fångar en hel RAG-pipeline.

def rag(q):
    hits = retrieve(q)
    return llm(build_prompt(hits, q))

Förbättra hämtningens kvalitet

Om svaren är svaga ligger lösningen vanligtvis i hämtningen, inte i LLM:en. Bättre chunkar och omrankning höjer kvaliteten mer än en större modell.

Snabb kontroll

Fundera på vad som ingår i en RAG-prompt.

Besvara frågan i den interaktiva lektionen

Sammanfattning

Ni sammanfogar hämtade chunkar till kontext, bygger en prompt med instruktion och fråga, genererar ett förankrat svar och visar källorna. ✅

Gratis att börja

Lär dig Python med en AI-lärare – gratis

Skriv och kör riktig kod i webbläsaren, få omedelbar hjälp av en AI-lärare dygnet runt och fortsätt där du slutade – på webben eller i appen.

Kurser: 30
Lektioner: 120

Börja lära dig gratis Visa hela kursen

Vanliga frågor

Är lektionen ”Koppla in retrieval i prompten” gratis?

Ja – du kan läsa vilka 3 lektioner som helst i lärvägen NLP Academy, inklusive ”Koppla in retrieval i prompten”, kostnadsfritt i sin helhet här på webben. Därefter låser CoddyKit PRO upp alla lektioner, plus interaktiv övning med en inbyggd kodredigerare och en AI-lärare dygnet runt. Kursen i NLP Academy innehåller totalt 4 lektioner.

Vad lär jag mig i ”Koppla in retrieval i prompten”?

Svara med förankrad kontext och källhänvisningar Ni övar på NLP Academy med praktisk kod som körs direkt i webbläsaren, medan en AI-handledare som är tillgänglig dygnet runt svarar på Era frågor under lektionen.

Behöver jag någon erfarenhet för att börja lära mig NLP Academy?

Du behöver inga förkunskaper. Utbildningen i NLP Academy på CoddyKit är upplagd för allt från nybörjare till avancerade elever, så att du kan börja här eller från början och gå fram i din egen takt. Detta är lektion 4 av 4.

Hur lång tid tar lektionen ”Koppla in retrieval i prompten”?

De flesta CoddyKit-lektioner tar cirka 5–10 minuter. Varje lektion är kort och interaktiv, så att du gör stadiga framsteg och kan fortsätta precis där du slutade – på webben eller i appen.

Kan jag skriva och köra kod i den här NLP Academy-lektionen?

Ja. Varje NLP Academy-lektion innehåller en inbyggd kodredigerare, så att du kan skriva och köra riktig kod direkt i webbläsaren och få omedelbar AI-feedback – utan lokal installation.

Alla lektioner i den här kursen

← Tillbaka till NLP Academy