Урок 2. Первый рабочий RAG pipeline
Вот и пришло время написать код, а именно RAG pipeline. ИИ начнёт отвечать по твоей информации, а не абстрактно. До сих пор без математики, но уже с кодом!!
В уроке напишем полностью рабочий и применимый на практике код:
– загрузка данных с сайта
– деление текста на чанки
– бесплатный embeddings (Ollama + HuggingFace)
– векторное хранилище (ChromaDB)
– поиск релевантных чанков (retriever c k ближайших соседей)
– prompt для LLM генерации
– сборка RAG цепочки через LangChain
– прогон по пилотному тесту: где всё хорошо, а где появляются галлюцинации (пример с KYC)
В курсе используем реальный продуктовый кейс – сервис Antarctic Wallet (оплата USDT по QR-коду в магазинах и сервисах), чтобы показать, как RAG применяется на практике (например, для автоматизации службы поддержки)
🎞 Видео
📖 Методичка в Notion
👩💻 Код с урока
❤️ Оплатить USDT по QR-коду
В следующем уроке – улучшим каждый узел пайплайна (retrieval, prompt, формат контекста и т.д.).
SemolinaCode | Chat | YouTube