У цьому відео ви дізнаєтеся, як додати зовнішній контекст до LLM за допомогою фреймворку LangChain та GPT від OpenAI на Python. Порівняємо фреймворки Llama-Index та LangChain і розкриємо основні функції LangChain. Показуємо кроки по завантаженню тексту з PDF файлу, створенню embeddings та векторного сховища. Пропоную спробувати цей підхід у ваших проєктах.
________________
👉 Github repo:
По всім питанням: tupchienko.blog@gmail.com
Підписуйся на мій Telegram-канал:
Привіт, я Святослав Тупчієнко, фріланс-програміст з України. На каналі "Український Програміст" я ділюся досвідом у сфері програмування, надаючи корисні туторіали, поради та огляди нових технологій. Мій канал призначений для програмістів-новачків та всіх, хто цікавиться ІТ-сферою. Приєднуйтесь, щоб отримати нові знання та натхнення для вашого розвитку в галузі програмування.
________________
LangChain: PDF-чат для ваших файлів | ChatGPT з підтримкою PDF у Python
00:00 – Вступ
00:17 – Приклад додатка де використовується зовнішній контекст з LLM
01:56 – Порівняння фреймворків Llama-Index та LangChain
03:36 – Короткий огляд фреймворку LangChain
05:12 – Архітектура додатка
07:50 – Дивимося що знаходиться у проєкті
08:10 – Завантажуємо текст із PDF
11:02 – Розділяємо наш текст на частини
12:40 – Що таке embeddings
14:16 – Створюємо вектори та локальне векторне сховище
19:39 – Робота з Retrieval QA
22:41 – Демонстрація роботи програми
23:18 – Висновок
