AI說書 - 從0開始 - 222 | GPT 4 & RAG 測試

我想要一天分享一點「LLM從底層堆疊的技術」，並且每篇文章長度控制在三分鐘以內，讓大家不會壓力太大，但是又能夠每天成長一點。

回顧目前手上有的素材：

• 依賴的安裝：AI說書 - 從0開始 - 218 | OpenAI GPT 4 & RAG
• 關鍵字偵測：AI說書 - 從0開始 - 219 | GPT 4 & RAG 關鍵字偵測函數
• 文章檢索器：AI說書 - 從0開始 - 220 | GPT 4 & RAG 文章檢索器
• RAG 實作：AI說書 - 從0開始 - 221 | GPT 4 & RAG 實作

到目前為止，可以來進行 RAG 測試了：

input_text = "What are the impacts of climate change?"

if "climate" in input_text.lower():
	document_excerpt = "Climate change refers to significant changes in global temperatures and weather patterns over time."
if "RAG" in input_text.lower():
	document_excerpt = "OpenAI documentation states that RAG or retrieval augmented generation can tell the model about relevant documents."
	
summaries = fetch_and_summarize(input_text)
iresponse = openai_chat(input_text, document_excerpt, web_article_summary)
formatted_response = iresponse.replace('\n', '')
display(widgets.HTML(value = formatted_response))

結果為：

我們可以看到，RAG 是一種提高生成式 AI 模型品質的好方法，還可以透過引導增強輸入請求來控制輸出。