• ClipSaver
  • dtub.ru
ClipSaver
Русские видео
  • Смешные видео
  • Приколы
  • Обзоры
  • Новости
  • Тесты
  • Спорт
  • Любовь
  • Музыка
  • Разное
Сейчас в тренде
  • Фейгин лайф
  • Три кота
  • Самвел адамян
  • А4 ютуб
  • скачать бит
  • гитара с нуля
Иностранные видео
  • Funny Babies
  • Funny Sports
  • Funny Animals
  • Funny Pranks
  • Funny Magic
  • Funny Vines
  • Funny Virals
  • Funny K-Pop

(Урок 4) Как улучшить RAG pipeline: retriever, post-processing, промпт, llm, финальная цепочка скачать в хорошем качестве

(Урок 4) Как улучшить RAG pipeline: retriever, post-processing, промпт, llm, финальная цепочка 4 часа назад

скачать видео

скачать mp3

скачать mp4

поделиться

телефон с камерой

телефон с видео

бесплатно

загрузить,

Не удается загрузить Youtube-плеер. Проверьте блокировку Youtube в вашей сети.
Повторяем попытку...
(Урок 4) Как улучшить RAG pipeline: retriever, post-processing, промпт, llm, финальная цепочка
  • Поделиться ВК
  • Поделиться в ОК
  •  
  •  


Скачать видео с ютуб по ссылке или смотреть без блокировок на сайте: (Урок 4) Как улучшить RAG pipeline: retriever, post-processing, промпт, llm, финальная цепочка в качестве 4k

У нас вы можете посмотреть бесплатно (Урок 4) Как улучшить RAG pipeline: retriever, post-processing, промпт, llm, финальная цепочка или скачать в максимальном доступном качестве, видео которое было загружено на ютуб. Для загрузки выберите вариант из формы ниже:

  • Информация по загрузке:

Скачать mp3 с ютуба отдельным файлом. Бесплатный рингтон (Урок 4) Как улучшить RAG pipeline: retriever, post-processing, промпт, llm, финальная цепочка в формате MP3:


Если кнопки скачивания не загрузились НАЖМИТЕ ЗДЕСЬ или обновите страницу
Если возникают проблемы со скачиванием видео, пожалуйста напишите в поддержку по адресу внизу страницы.
Спасибо за использование сервиса ClipSaver.ru



(Урок 4) Как улучшить RAG pipeline: retriever, post-processing, промпт, llm, финальная цепочка

В этом видео мы продолжаем серию “Идеальный RAG pipeline” и разбираем Часть 2: поиск и генерация в LangChain. Если в первой части мы строили индексацию (loader → chunking → embeddings → vector store), то здесь доводим до ума retrieval и generation, а затем собираем финальную LangChain RAG-цепочку. Antarctic Wallet – оплата USDT по QR-коду (Используется в курсе как реальный кейс для построения RAG-системы поддержки): https://t.me/antarctic_wallet_bot/app... Код, конспект урока и дополнительные материалы выложил в tg: https://t.me/semolina_code_python/153    • (Урок 1) RAG для новичков: как LLM работае...      • (Урок 2) RAG для новичков: RAG pipeline на...      • (Урок 3) Как улучшить RAG pipeline: загруз...   Разберём и улучшим каждый узел по одному алгоритму: – что делает узел в RAG – какие у него слабые места – какие есть варианты оптимизации – как выглядит улучшенный код Что сделаем в этом уроке: Настроим Retriever и разберём стратегии поиска: – similarity search (по умолчанию) – MMR (релевантность + разнообразие) – similarity_score_threshold (строго по релевантности) – фильтры по метаданным (source/page) Перепишем postprocessing контекста (format_docs): – добавим source/page, лимит длины, визуальные разделители – сделаем “production-минимум” форматирования контекста Улучшим RAG prompt: – отвечать только по контексту – честно говорить “нет данных” при пустом контексте – добавлять источники Настроим LLM параметры под RAG: – temperature, max_tokens, top_p (простое объяснение top_p) Соберём финальную RAG цепочку LangChain и добавим: – защиту от пустого контекста через RunnableLambda / ensure_context – with_config для будущего дебага в LangSmith Проведём пилотный тест и увидим, как качество зависит от количества данных в индексе. Подписывайся, дальше будет самое интересное: LangSmith (визуальный дебаг) и настоящий AI-агент поверх RAG. Таймкоды: 00:00 — Введение: Идеальный RAG pipeline (Часть 2) 00:18 — План урока: Retrieval + Generation + улучшение LangChain цепочки 01:16 — Начинаем с Retriever: зачем он нужен в RAG 02:04 — Виды retriever’ов в LangChain (vector, BM25, web, memory) 03:45 — Проблемы базового retriever: k=5, нет фильтров, один режим поиска 05:01 — MMR retriever: релевантность vs разнообразие (как работает) 07:44 — 3 варианта улучшенного retriever: MMR / similarity_threshold / фильтры по метаданным 11:04 — Тест similarity_score_threshold: почему может “ничего не находить” 12:19 — Подбор порога (0.6 → 0.3): как меняется результат 14:04 — Выбираем MMR retriever для пайплайна 16:02 — Postprocessing: что делает format_docs и зачем он нужен 18:43 — Минусы простого format_docs: теряем source/page, нет дебага, нет лимитов 20:10 — Production-минимум format_docs: source/page + лимит контекста + разделители 25:01 — Prompt в RAG: что реально важно в системном промпте 27:56 — Ошибки старого промпта: запрет английского, 3 предложения, нет правил при пустом контексте 29:16 — Новый RAG prompt: только по контексту + честно “не знаю” + источники 31:30 — LLM в RAG: параметры генерации (temperature, max_tokens, top_p) 34:02 — Простое объяснение top_p (nucleus sampling) на примере T9 38:35 — Настройка LLM под RAG: меньше фантазии, контроль длины ответа 40:04 — Как устроена LangChain RAG-цепочка (retriever → format_docs → prompt → llm) 41:28 — Проблема пустого контекста и решение через ensure_context + RunnableLambda 44:52 — Финальный код цепочки + with_config (под LangSmith) 45:08 — Пилотный тест: “что такое Antarctic Wallet”, “как начать пользоваться” 46:34 — Почему “комиссии” не находятся: мало данных в индексе 49:06 — Пересборка базы (больше страниц) и повторный тест 50:41 — Комиссии находятся корректно + source/page 51:10 — KYC: почему ответ может быть “почти верный” и зачем LangSmith 53:07 — Итоги двух частей: индексирование + поиск/генерация = рабочий RAG pipeline 54:25 — Что дальше: LangSmith (визуальный дебаг) + агент rag, rag pipeline, langchain rag, langchain tutorial, retriever langchain, mmr retriever, similarity threshold retriever, chromadb rag, embeddings, prompt engineering, llm parameters, top_p, temperature, rag без галлюцинаций, ai assistant, база знаний, чатбот поддержка, vector store, bm25 retriever #RAG #LangChain #LLM #AI #PromptEngineering #ChromaDB #Embeddings #Retriever

Comments
  • (Урок 2) RAG для новичков: RAG pipeline на LangChain – от сайта до ответов (Chroma + Ollama) 3 дня назад
    (Урок 2) RAG для новичков: RAG pipeline на LangChain – от сайта до ответов (Chroma + Ollama)
    Опубликовано: 3 дня назад
  • (Урок 1) RAG для новичков: как LLM работает с документами и приватными данными 7 дней назад
    (Урок 1) RAG для новичков: как LLM работает с документами и приватными данными
    Опубликовано: 7 дней назад
  • Как в 1С не остаться на уровне новичка в 2026 году? 5 дней назад
    Как в 1С не остаться на уровне новичка в 2026 году?
    Опубликовано: 5 дней назад
  • Самый медленный танк в мире - как супертяжёлый T28 весом сто тонн стал посмешищем армии США! 2 часа назад
    Самый медленный танк в мире - как супертяжёлый T28 весом сто тонн стал посмешищем армии США!
    Опубликовано: 2 часа назад
  • Серебро по $71 — это ГЛУБОКИЙ НАРКОЗ, который уничтожит ваш КАПИТАЛ | Уоррен Баффет 20 часов назад
    Серебро по $71 — это ГЛУБОКИЙ НАРКОЗ, который уничтожит ваш КАПИТАЛ | Уоррен Баффет
    Опубликовано: 20 часов назад
  • ДОМ и строения из ЭППС после УРАГАНА! 21 час назад
    ДОМ и строения из ЭППС после УРАГАНА!
    Опубликовано: 21 час назад
  • (Урок 3) Как улучшить RAG pipeline: загрузка данных, разбиение, эмбеддинги и Chroma (LangChain) 1 день назад
    (Урок 3) Как улучшить RAG pipeline: загрузка данных, разбиение, эмбеддинги и Chroma (LangChain)
    Опубликовано: 1 день назад
  • TypeScript с нуля до блокчейна
    TypeScript с нуля до блокчейна
    Опубликовано:
  • TypeScript с нуля до блокчейна (Урок 4) | Типы данных, оператор typeof, аннотации типов в typescript 1 год назад
    TypeScript с нуля до блокчейна (Урок 4) | Типы данных, оператор typeof, аннотации типов в typescript
    Опубликовано: 1 год назад
  • Женщина патриарха. Как глава РПЦ 50 лет скрывал гражданскую жену? 4 дня назад
    Женщина патриарха. Как глава РПЦ 50 лет скрывал гражданскую жену?
    Опубликовано: 4 дня назад
  • Интернет в небе: Сергей 7 дней назад
    Интернет в небе: Сергей "Флеш" о том, как «Шахеды» и «Герберы» научились работать в одной связке
    Опубликовано: 7 дней назад
  • Простой и надежный электромонтаж в квартире 4 дня назад
    Простой и надежный электромонтаж в квартире
    Опубликовано: 4 дня назад
  • Через 24 Часа ПОЛНАЯ Перезагрузка Рынка! Экстремальная Волатильность Биткоина! Криптовалюта 2026 22 часа назад
    Через 24 Часа ПОЛНАЯ Перезагрузка Рынка! Экстремальная Волатильность Биткоина! Криптовалюта 2026
    Опубликовано: 22 часа назад
  • Список самых важных документов для открытия отеля! 5 часов назад
    Список самых важных документов для открытия отеля!
    Опубликовано: 5 часов назад
  • Эпштейн, друзья и дети: кто был связан с монстром? | Трамп, Клинтон, Майкл Джексон, Билл Гейтс 4 дня назад
    Эпштейн, друзья и дети: кто был связан с монстром? | Трамп, Клинтон, Майкл Джексон, Билл Гейтс
    Опубликовано: 4 дня назад
  • 🔥 99% пожилых людей проваливают этот тест — а вы? | Тест по общим знаниям 22 часа назад
    🔥 99% пожилых людей проваливают этот тест — а вы? | Тест по общим знаниям
    Опубликовано: 22 часа назад
  • OSDEVCONF25: AI-компилятор для аппаратного обеспечения: от ExecuTorch до MLIR. Иван Кулагин 4 дня назад
    OSDEVCONF25: AI-компилятор для аппаратного обеспечения: от ExecuTorch до MLIR. Иван Кулагин
    Опубликовано: 4 дня назад
  • Что заставляет людей эмигрировать из США? 1 день назад
    Что заставляет людей эмигрировать из США?
    Опубликовано: 1 день назад
  • Как эффективно общаться с людьми | Дейл Карнеги 1 час назад
    Как эффективно общаться с людьми | Дейл Карнеги
    Опубликовано: 1 час назад
  • Давидыч – русско-китайский автопром, развод из-за измены, тюрьма и ответ на хейт 2 дня назад
    Давидыч – русско-китайский автопром, развод из-за измены, тюрьма и ответ на хейт
    Опубликовано: 2 дня назад

Контактный email для правообладателей: [email protected] © 2017 - 2025

Отказ от ответственности - Disclaimer Правообладателям - DMCA Условия использования сайта - TOS



Карта сайта 1 Карта сайта 2 Карта сайта 3 Карта сайта 4 Карта сайта 5