在本案例中，我们将展示如何用AWEL创建一个RAG(Retrieval Augmented Generation) 程序。
首先创建一个名称为的python文件。
本案例提供的教程中，我们通过URL来获取知识，并存储到向量数据库当当中。
首先，需要创建环境并安装对应的依赖。 这里需要注意，dbgpt 包SDK的安装，不要安装在当前运行dbgpt服务的虚拟环境下。最好起个新的虚拟环gpt 教程境，如
将知识处理为向量，我们需要用到向量模型。 DB-GPT支持许多的向量模型，比如代理模型OpenAI Embedding，本地模型text2vec，当然也支持集群模式部署好之后，通过API的方式来使用。下面是几种方式的使用案例。
在本案例中，我们使用本地向量模型来完成相关的操作。
如下的DAG程序可以通过URL获取数据，并将其存储在向量数据库中。
你可以检索相关的知识，从向量数据库中。
可以有几种方式来调用LLM归纳总结，这里我们使用OpenAI的API
使用代理模型Client来连接到OpenAI API
最后我们创建一个rag程序，来进行智能问答。
输出如下：
恭喜你，到这里你已经完整的运行完了通过dbgpt sdk来开发一个RAG程序的所有过程。
整个程序完整代码如下：
可以通过如下代码进行DAG可视化
如果在 Jupyter Notebook 中执行代码，可以在笔记本中看到 DAG。
可视化图如下:
可视化图如下
英文文档地址
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请联系我们举报，一经查实，本站将立刻删除。
发布者：Ai探索者，转载请注明出处：https://javaforall.net/241883.html原文链接：https://javaforall.net
