Dans le cours : Créer des agents IA avec LangChain et LlamaIndex

Accédez à ce cours grâce à un essai gratuit

Inscrivez-vous aujourd’hui pour accéder à plus de 24 600 cours dispensés par des experts.

Utiliser les RAG avec LlamaIndex

Utiliser les RAG avec LlamaIndex

Dans le cours : Créer des agents IA avec LangChain et LlamaIndex

Démarrer mon mois d’essai gratuit Acheter pour mon équipe

Utiliser les RAG avec LlamaIndex

“

Nous allons développer le même exemple de cas d'application que celui que nous avons fait précédemment avec LangChain, sauf que cette fois-ci nous allons le faire avec LlamaIndex. Pour rappel, il s'agit de construire une base de données vectorielle basée sur nos propres documents, puis d'interroger ces documents via l'utilisation d'un LLM. Commençons par l'installation de transformers, pytorch, llama-index-embeddings-hugginface, docx2txt et llama-index-llms-openai-like. Puis j'ai importé toutes les classes dont je vais avoir besoin, les classes et fonctions. Ici, j'ai pointé mes variables vers le dossier /data/ qui contient mon document. Comme précédemment, vous pouvez mettre autant de documents que vous voulez. Et ici, j'ai indiqué le dossier qui sera utilisé pour créer la base de données. Je vais l'effacer ici, voilà. Parce que, c'était cette qu'on avait précédemment, ainsi que j'ai moi précédemment, lorsque j'ai testé ce programme. Je vais supprimer toutes les bases de données…

Table des matières