Іздеумен Толықтырылған Ұрпақ (RAG) - жасалған мәтіннің дәлдігін, өзектілігін және сенімділігін арттыру үшін үлкен тілдік үлгілерді (LLMs) сыртқы білім негіздерімен біріктіретін ЖАСАНДЫ ИНТЕЛЛЕКТ жүйесі.

LangChain-БҰЛ RAG арқылы үлкен тілдік модельдерді (Llm) қолданатын қосымшалардың дамуын жеңілдетуге арналған құрылым. ОЛ RAG қосымшаларын құрудың құрылымдық тәсілін ұсынады, оған мыналар кіреді:

• Индекстеу: бұл деректерді жүктеуді, оларды басқарылатын бөліктерге бөлуді және тиімді іздеу үшін векторлық дерекқорда сақтауды қамтиды;
• Іздеу Және Генерациялау: LangChain пайдаланушылардың сұраныстары негізінде тиісті ақпаратты алу үшін іздеу механизмін қолданады;
• Сыртқы Деректермен интеграциялау: Әртүрлі деректер көздеріне қосылу Арқылы LangChain Llm-Ге оқу деректерінен тыс нақты уақыттағы ақпаратқа қол жеткізуге мүмкіндік береді;

Gemini-google DeepMind әзірлеген мультимодальды үлкен тіл үлгілерінің (LLMs) отбасы, ол әртүрлі деректер түрлерін, соның ішінде мәтінді, кескіндерді, аудионы және бейнені өңдеуге және түсінуге арналған.

Дереккөз: https://codelabs.developers.google.com/static/multimodal-rag-gemini

Біздің нұсқаулықта Біз ChromaDB-ді векторлық мәліметтер базасы ретінде, LangChain-Ді GEMINI Pro / Flash LLM-мен біріктірілген RAG жүйесін орнатуға арналған негіз ретінде қолдандық. Бастапқы кодты және толық нұсқаулықты төмендегі дәптерден табуға болады.

Kaggle Дәптері: https://www.kaggle.com/code/armanzhalgasbayev/rag-llm-langchain-gemini-ai

• Карндип Сингх. "Langchain_With_Gemini_And_Build_rag.ипынб";
• https://www.langchain.com/
• https://aistudio.google.com/
• https://www.perplexity.ai/