Что такое RAG
Что такое RAG
RAG (Retrieval-Augmented Generation) — это подход в области искусственного интеллекта, который объединяет механизмы поиска (retrieval) и генерации текста (generation). RAG позволяет использовать внешний источник данных для улучшения качества и релевантности ответов, генерируемых языковыми моделями.
Таким образом данные берутся не только из абстрактного интернета, а из наших собственных источников.
RAG состоит из двух основных этапов:
- Retrieval (Поиск):
• На этом этапе модель извлекает релевантную информацию из базы данных, документов или другого внешнего источника знаний. Это может быть:
• Поиск по индексу текстов (например, через Elasticsearch, Pinecone, или FAISS).
• Извлечение информации из базы знаний, веб-страниц, корпоративных документов и т. д.
• Используются алгоритмы, такие как Dense Retrieval, основанные на эмбеддингах, или Sparse Retrieval, использующие традиционные методы (например, TF-IDF).
- Augmented Generation (Генерация):
• После получения релевантных данных, информация передаётся языковой модели (например, GPT), которая использует эти данные для формирования ответа.
• Генерация идёт на основе сочетания знаний модели и извлечённого контекста.
Материалы
STEP-BY-STEP Tutorial: Supabase + n8n (RAG - NO CODE!!) - YouTube
STEP-BY-STEP Tutorial: Supabase + n8n (RAG - NO CODE!!) - YouTube В этом видео я пошагово покажу, как добавить базу данных Supabase Vector Store в n8n и создать RAG. Я подробно объясню, как создать новые учетные данные и подключить ваш аккаунт Supabase к n8n.
Полное руководство: векторные базы Supabase и Pinecone для n8n
Полное руководство: векторные базы Supabase и Pinecone для n8n Используем n8n и Pinecone и Supabase для создания векторного хранения знаний.
- как создать, чем отличаются, какие есть настройки
- как правильно загружать данные
- способы извлечения данных
- настройка автообновления/актуализации данных в векторной базе
n8n AI agentic workflows: a practical guide for n8n automation
n8n AI agentic workflows: a practical guide for n8n automation
