قم ببناء RAG الخاص بك وقم بتشغيله محليًا على الكمبيوتر المحمول الخاص بك: ColBERT + DSPy + Streamlit | بواسطة شويي يانغ
النشرة الإخبارية
Sed ut perspiciatis unde.
برنامج تعليمي للمبتدئين في مجال الذكاء الاصطناعي التوليدي: دعونا نبني نظام RAG (جيل الاسترجاع المعزز) البسيط جدًا محليًا، خطوة بخطوة
أ استرجاع الجيل المعزز (خرقة) النظام يشبه المساعد الذكي الذي يساعدك. تخيل أنك تكتب عن موضوع ما. لديك بعض المعرفة في رأسك (مثل الذكاء الاصطناعي التوليدي)، لكنك قد لا تتذكر كل شيء. لذا، عليك البحث عن المعلومات في الكتب أو على الإنترنت (وهذا هو الجزء “الاسترجاعي”). بمجرد العثور على المعلومات الصحيحة، يمكنك استخدامها للمساعدة في كتابة تقريرك بكلماتك الخاصة (وهذا هو الجزء “الجيل”). لذا، فإن نظام RAG هو أداة تجمع بين معرفتها الخاصة (مثل ذاكرتك) والقدرة على البحث عن مصادر أخرى للمعلومات (مثل كتبك أو ملاحظاتك)، لتوليد (كتابة) استجابة أو إكمال مهمة.
عادة، يتطلب تعقيد أنظمة RAG ومتطلباتها استخدام أجهزة كمبيوتر قوية أو خدمات سحابية. في هذا البرنامج التعليمي، سنقوم ببناء جيل استرجاع معزز بسيط جدًا النظام محليًا (أي بدون خدمات عبر الإنترنت أثناء مرحلة التشغيل)، خطوة بخطوة، باستخدام أطر عمل أو أدوات حديثة. الإجراء الموضح هنا أساسي بشكل أساسي ويختلف بشكل كبير عن المعايير الصناعية المعمول بها. الهدف من هذا البرنامج التعليمي ليس بناء نظام RAG النهائي، بل فحص كل مكون بالتفصيل قليلاً للحصول على فهم أعمق للآليات الأساسية. هذه المقالة موجهة للمبتدئين في عالم GenAI. يتم أيضًا الإبلاغ عن كل جزء من التعليمات البرمجية الموضحة هنا في مستودع easyRAG GitHub.
مستعد؟ دعنا نذهب!
نحن نستخدم اناكوندا في هذا البرنامج التعليمي. إذا لم يكن البرنامج موجودًا على جهازك، فيرجى تنزيله من الموقع الرسمي وتثبيته (فقط اتبع تعليمات البرنامج النصي للتثبيت).
بعد ذلك، خلال الجلسة النهائية، يمكننا البدء في إنشاء البيئة باستخدام بعض الحزم التي سنستخدمها أثناء العملية
conda create -n easyrag -c nvidia -c conda-forge -v python==3.9 cuda-toolkit==12.4.0 jupyterlab==4.1.4 ipywidgets==8.1.2 wikipedia==1.4.0 mypy==1.8.0 accelerate==0.27.0…
رابط المصدر
اكتشاف المزيد من موقع علم
اشترك للحصول على أحدث التدوينات المرسلة إلى بريدك الإلكتروني.
