Kurs RAG w praktyce - nowoczesne techniki wydobywania i generowania danych

1. Wprowadzenie do architektury RAG

• koncepcja działania i przewagi nad standardowymi modelami językowymi,
• przegląd komponentów systemu i przepływu informacji,
• rola biblioteki LangChain w budowie aplikacji.

2. Przetwarzanie danych wejściowych

• zastosowanie parserów do ekstrakcji treści z dokumentów,
• strategie segmentacji tekstu na mniejsze fragmenty (chunking),
• dobór optymalnych parametrów podziału treści.

3. Modelowanie semantyczne i embeddingi

• istota embeddingów: przekształcanie znaczenia tekstu na wektory,
• przegląd aktualnych modeli i generatorów reprezentacji wektorowych,
• kryteria wyboru modelu pod kątem specyfiki danych.

4. Obsługa wektorowej bazy danych Qdrant

• konfiguracja środowiska i zarządzanie kolekcjami danych,
• operacje na rekordach: dodawanie, modyfikacja i usuwanie informacji,
• mechanizmy integracji bazy Qdrant z systemem LangChain.

5. Zaawansowane mechanizmy wyszukiwania (Retrieval)

• implementacja wyszukiwania semantycznego (Semantic Search),
• wykorzystanie metadanych do precyzyjnego filtrowania wyników,
• zastosowanie technik Rerankingu dla poprawy trafności dokumentów.

6. Generowanie odpowiedzi i inżynieria promptów

• projektowanie szablonów instrukcji (Prompt Templates),
• łączenie wyszukanego kontekstu z zapytaniem użytkownika,
• synteza odpowiedzi w oparciu o dostarczone materiały źródłowe.

7. Analiza jakości i ewaluacja systemu

• wykorzystanie biblioteki deepeval w procesie testowym,
• definicja i pomiar kluczowych metryk jakościowych RAG,
• automatyzacja weryfikacji poprawności generowanych treści.

8. Podsumowanie i wdrożenie praktyczne

• prezentacja gotowej aplikacji do zasilania bazy i generowania wiedzy.