Vector Database dan Retrieval-Augmented Generation
Bagian dari kursus Prompt Engineering
Di pelajaran 2 kamu sudah melihat kenapa model berhalusinasi: ia memprediksi token berikutnya yang paling mungkin, ia tidak mencari fakta, dan apa pun yang di luar data latihannya atau di luar context window-nya cuma tebakan. Di pelajaran 5 kamu belajar mengisi template prompt dengan data sebelum mengirimnya.
Model cuma tahu dua hal: apa yang ia serap saat dilatih, dan apa yang kamu taruh di prompt saat ini juga. Ia tidak bisa melihat wiki perusahaanmu, tiket support minggu lalu, atau PDF yang tersimpan di disk-mu. Tanyakan soal salah satunya dan ia akan menghasilkan teks yang lancar, percaya diri, dan salah. Itulah masalah halusinasi dari pelajaran 2.
Ingin belajar Prompt Engineering Vector Database dan Retrieval-Augmented Generation di lingkungan nyata?
Klik di bawah, dapatkan mesin Linux dengan Prompt Engineering siap pakai, dan kerjakan Vector Database dan Retrieval-Augmented Generation secara praktik dengan tutor AI yang memahami kodemu.
Mulai pelajaran iniVector Database dan Retrieval-Augmented GenerationYang akan kamu pelajari
- Embeddings and vector similarity
- Chunking documents
- Vector databases and nearest-neighbor search
- Retrieval-augmented generation
- Grounding answers with citations