Dalam kursus ini, kita akan belajar cara mengoptimumkan fail dan data untuk Retrieval-Augmented Generation, atau RAG.
Menjelang akhir kursus ini, anda akan mempunyai langkah yang boleh diambil tindakan yang boleh anda ikuti untuk meningkatkan kualiti respons dan LLM menjana apabila menggunakan sumber pengetahuan tersuai.
RAG menggabungkan dua konsep berkuasa: perolehan dan penjanaan . Ia membolehkan ejen AI anda menarik maklumat tepat daripada sumber data yang luas, seperti katalog produk atau senarai dasar, dan kemudian menggunakan model bahasa untuk menjana respons yang semula jadi dan bermaklumat. Ini bermakna ejen yang bukan sahaja memberikan jawapan tetapi memberikan jawapan yang betul daripada sumber yang dipercayai—dengan cepat dan tepat.
Tetapi inilah perkaranya: kualiti respons ejen anda sangat bergantung pada kualiti dan struktur data yang anda berikan kepadanya. Jika data yang masuk adalah berantakan, berlebihan atau tidak berstruktur, jawapan ejen anda akan mencerminkannya. Di sinilah pra-pemprosesan data menjadi penting. Dengan menyediakan data anda dengan teliti, anda menetapkan asas untuk respons yang berkualiti tinggi, bermakna dan tepat.
Dalam siri ini, kami akan membimbing anda melalui semua yang anda perlu ketahui untuk menyediakan fail dan data anda untuk RAG. Kami akan meliputi:
- Bagaimana untuk menstrukturkan dokumen anda untuk kejelasan,
- Amalan terbaik untuk membersihkan dan memudahkan teks,
- Menambah metadata dan ringkasan untuk konteks yang lebih kaya,
- Mengoptimumkan data bukan teks, seperti imej dan jadual,
- Pengesahan dan penyelenggaraan data.
Setiap video akan memecahkan langkah-langkah ini dengan contoh, memberikan anda cerapan yang boleh diambil tindakan untuk digunakan terus pada projek AI anda. Menjelang penghujung siri ini, anda akan mempunyai alatan untuk mengambil sebarang set data, mengubahnya untuk RAG dan mengoptimumkan prestasi ejen AI anda.
