- Étape 1 : Clonez le dépôt Advanced_RAG depuis GitHub.
- Étape 2 : Installez les dépendances requises avec pip install -r requirements.txt.
- Étape 3 : Configurez votre store vectoriel (par ex. FAISS, Pinecone) dans le fichier de configuration.
- Étape 4 : Chargez et indexez vos documents avec les scripts d'ingestion fournis.
- Étape 5 : Personnalisez les paramètres du récupérateur et du LLM dans le pipeline.
- Étape 6 : Exécutez le script du pipeline RAG pour effectuer des requêtes et générer des réponses.
- Étape 7 : Évaluez et ajustez les paramètres avec les modules d’évaluation intégrés.