- Schritt 1: Klonen Sie das Advanced_RAG-Repository von GitHub.
- Schritt 2: Installieren Sie die erforderlichen Abhängigkeiten mit pip install -r requirements.txt.
- Schritt 3: Konfigurieren Sie Ihren Vektor-Store (z.B. FAISS, Pinecone) in der Konfigurationsdatei.
- Schritt 4: Laden und indexieren Sie Ihre Dokumente mit den bereitgestellten Ingestionsskripten.
- Schritt 5: Passen Sie die Retriever- und LLM-Einstellungen im Pipeline an.
- Schritt 6: Führen Sie das RAG-Pipeline-Skript aus, um Anfragen zu stellen und Antworten zu generieren.
- Schritt 7: Bewerten und optimieren Sie Parameter mit den integrierten Evaluationsmodulen.