AI College of Engineering : 2.11 Traitement avancé des requêtes (Manuel de l'utilisateur de la conversion des requêtes)

présenter (qqn pour un emploi, etc.)

Le manuel de l'utilisateur de la conversion des requêtes démontre l'utilisation de la transformation des requêtes dans la récupération de la génération améliorée (RAG) Techniques multiples de transformation et de décomposition avant l'exécution des requêtes de l'utilisateur dans les moteurs de requête, les intelligences ou d'autres processus. Ces transformations peuvent améliorer la qualité et la pertinence des réponses dans les applications d'IA.

https://github.com/adithya-s-k/AI-Engineering.academy/tree/main/RAG/06_Query_Transformation_RAG

Technologie de conversion des requêtes

1. le routage

Le routage consiste à identifier un sous-ensemble d'outils pertinents pour une requête donnée.

organigramme LR A [Requête utilisateur] --> B [Sélecteur] B --> C [Outil 1] B --> D [Outil 2] B --> E [Outil N] C & D & E --> F [Outil sélectionné]

Méthode de réalisation :

• utiliser LLMSingleSelector peut-être LLMMultiSelector Effectuer une sélection sur la base d'un modèle linguistique étendu
• utiliser PydanticSingleSelector peut-être PydanticMultiSelector Effectuer des sélections basées sur les appels de fonction
• utiliser ToolMetadata Définition des options de l'outil

2. réécriture des requêtes

La réécriture de requêtes consiste à générer de multiples variantes de la requête originale afin d'améliorer les résultats de la recherche.

Méthode de réalisation :

• utiliser PromptTemplate et le Large Language Model (LLM) pour les implémentations personnalisées
• utiliser HyDEQueryTransform Effectuer des requêtes hypothétiques d'intégration de documents

3) Génération de sous-requêtes

Cette technique permet de décomposer une requête complexe en plusieurs sous-requêtes, chacune d'entre elles étant orientée vers un outil spécifique.

Méthode de réalisation :

• utiliser OpenAIQuestionGenerator peut-être LLMQuestionGenerator
• utiliser ToolMetadata Définition des options de l'outil

4. sélection d'outils pour le corps intelligent ReAct

Cette méthode utilise ReAct Le cadre détermine l'outil à utiliser et les requêtes à exécuter sur cet outil.

Méthode de réalisation :

• utiliser ReActChatFormatter Effectuer le formatage de l'entrée
• utiliser ReActOutputParser Analyse des données de sortie des grands modèles de langage
• utiliser FunctionTool Outils de définition

utiliser

Chacune des techniques de transformation des requêtes peut être utilisée comme composant modulaire dans un système plus large. Les exemples suivants illustrent l'utilisation de base de la réécriture de requêtes :

from llama_index.core import PromptTemplate  
from llama_index.llms.openai import OpenAI  
query_gen_prompt = PromptTemplate("你的提示模板在这里")  
llm = OpenAI(model="gpt-3.5-turbo")  
def generate_queries(query: str, llm, num_queries: int = 4):  
response = llm.predict(query_gen_prompt, num_queries=num_queries, query=query)  
queries = response.split("\n")  
return queries  
queries = generate_queries("你的查询内容在这里", llm)

résumés

Le manuel de l'utilisateur sur la transformation des requêtes fournit un ensemble complet de techniques permettant aux développeurs d'améliorer le traitement des requêtes dans les applications d'intelligence artificielle. En tirant parti de ces techniques de transformation, les développeurs peuvent créer des systèmes de recherche d'informations et de questions-réponses plus puissants et plus précis.

Pour plus d'informations sur la mise en œuvre détaillée et l'intégration avec un moteur de recherche ou un récupérateur spécifique, veuillez vous référer à la documentation de LlamaIndex.

Ce README fournit une vue d'ensemble du manuel de l'utilisateur de la transformation des requêtes, y compris de brèves descriptions et des diagrammes de Mermaid pour chaque technique de transformation des requêtes, couvrant les quatre principales techniques de transformation des requêtes : le routage, la réécriture des requêtes, la génération de sous-requêtes et la sélection de l'outil ReAct Intelligent Body Tool.

Chaque section comprend la visualisation d'un organigramme, une brève description de la technologie et des détails de base sur la mise en œuvre. En outre, ce README inclut un exemple simple d'utilisation de la réécriture de requêtes afin de fournir aux utilisateurs un point de départ.

Quelle partie de ce README souhaiteriez-vous que je développe ou modifie en détail ?