Vector-базы данных и Retrieval-Augmented Generation
Часть курса Prompt Engineering
В уроке 2 вы видели, почему модель галлюцинирует: она предсказывает вероятные следующие токены, а не ищет факты, и всё, что лежит вне обучающих данных и вне окна контекста, для неё догадка. В уроке 5 вы научились заполнять шаблон промпта данными перед отправкой.
Модель знает только две вещи: то, что впитала при обучении, и то, что вы положили в промпт прямо сейчас. Она не видит ни вашу корпоративную вики, ни заявки в поддержку за прошлую неделю, ни PDF, который лежит у вас на диске. Спросите про что-нибудь из этого, и получите гладкий, уверенный и неверный текст. Это та самая проблема галлюцинаций из урока 2.
Хочешь изучать Prompt Engineering Vector-базы данных и Retrieval-Augmented Generation в реальной среде?
Нажми ниже, получи Linux-машину с Prompt Engineering наготове и пройди Vector-базы данных и Retrieval-Augmented Generation на практике вместе с AI-наставником, который знает твой код.
Начать этот урокVector-базы данных и Retrieval-Augmented GenerationЧему вы научитесь
- Embeddings and vector similarity
- Chunking documents
- Vector databases and nearest-neighbor search
- Retrieval-augmented generation
- Grounding answers with citations