Створюйте власних ретриверів, які перемагають загальний векторний пошук, розуміючи контекст і жаргон 🎮 для конкретної області Команда @superlinked показує, як створити ретривера ігор Steam за допомогою нашої користувацької інтеграції LlamaIndex, поєднуючи семантичний пошук із знаннями про ігри. 🎯 Досвід роботи з користувацькими ретриверами - ідеально підходить для ігрового жаргону та складних запитів, таких як "стратегічна кооперативна гра з науково-фантастичними елементами" ⚡ Індексація з кількома полями об'єднує назву, опис, жанр в єдиний текст для пошуку для глибшого розуміння 🔧 LlamaIndex BaseRetriever потребує лише однієї реалізації методу _retrieve для підключення будь-якого користувацького сервера 🚀 InMemoryExecutor від @superlinked забезпечує затримку менше мілісекунди для рекомендацій у реальному часі У посібнику розповідається про дизайн схеми, конфігурацію векторного простору та обробку результатів на практичних прикладах коду. Ми показуємо, як поєднання підходу @superlinked до кодування з інфраструктурою RAG LlamaIndex створює ретриверів, які насправді розуміють, що мають на увазі користувачі, а не тільки те, що вони друкують. Повний урок з блокнотом Colab: