AI Expert

Tilhørende videoer

Chunking, reranking og hybridsøgning — ledsagende videoer

Denne artikel går forbi "smid dokumenterne i en vector DB"-versionen af RAG ind til de tre knapper, der faktisk flytter kvalitet: chunking, reranking, hybridsøgning. Disse videoer lader dig se de knapper blive drejet. Det primære valg er den tålmodige dybdegående gennemgang af, hvad din splitter faktisk gør; den agentiske RAG-bygning viser alle tre knapper drejet inde i én kørbar pipeline.

Primært valg

1:08:59
De 5 niveauer af tekstopsplitning til retrieval

Greg Kamradt

Artiklen bruger mange ord på chunking; dette er den længste, mest tålmodige forklaring af, hvad hver chunking-strategi faktisk gør — fra character-recursive via document-aware til semantisk og agentisk splitting. Par den med Gregs gratis ChunkViz-værktøj for at opbygge intuition, før du begynder at tune.

Hvad du bør få ud af dette: Opbyg intuition for chunking-valg, før du tuner et rigtigt retrieval-system.

Forudsætninger: Grundlæggende fortrolighed med embeddings, og hvorfor retrievalkvalitet afhænger af, hvordan dokumenter opsplittes.

Bemærkning fra AI Expert: De specifikke biblioteker og demoer kan ældes, men chunking-trade-offs forbliver stabile. Brug den til diagnosesprog, og test derefter chunk-størrelser og splitters mod dine egne dokumenter og forespørgsler.

Åbn videoside

Også værd at se

24:01
"Jeg vil have Llama3 til at performe 10x med min private viden" — lokal agentisk RAG med llama3

AI Jason

Dækker den præcise stack, artiklen argumenterer for — query translation, hybrid retrieval, reranking og en corrective-RAG-sløjfe — i én kørbar bygning. Nyttig som en arbejdende mental model for, hvordan chunk → rerank → answer-pipelinen ser ud, når den faktisk gør sit job.

Hvad du bør få ud af dette: Se, hvordan query rewriting, hybrid retrieval, reranking og corrective loops passer ind i én RAG-pipeline.

Forudsætninger: Kend det grundlæggende retrieve-then-generate-mønster, og vær fortrolig med at læse en kodegennemgang.

Bemærkning fra AI Expert: Behandl framework, model og Llama3-specifik opsætning som versionsfølsom. Behold pipeline-formen, men verificér aktuelle pakke-API'er, modelvalg, reranker-kvalitet og eval-resultater, før du kopierer implementeringen.

Åbn videoside