Создание реального RAG-приложения на C# | .NET, Semantic Kernel и PostgreSQL

В этом эпизоде ​​мы перейдем от простой концепции нашего RAG-приложения к реальному конвейеру обработки документов на основе RAG, используя C#, .NET, семантическое ядро, PostgreSQL и pgvector. Мы возьмем реальный PDF-файл с политикой компании в отношении отпусков и построим конвейер, который позволит LLM отвечать на вопросы, используя собственные знания компании. Источник: https://github.com/kmrkaushal/AI-Agen... В этом видео мы создадим: 📄 Ввод документа Извлечение текста из реального PDF-файла и подготовка его к поиску. ✂️ Разбиение на фрагменты Разбиение документа на осмысленные части, которые можно эффективно извлечь. 🏷️ Метаданные Прикрепление полезной информации к фрагментам, чтобы мы знали, откуда взялись знания. 🧠 Встраивание векторов Преобразование фрагментов документа в векторы, представляющие их семантическое значение. 🗄️ PostgreSQL + pgvector Хранение встраиваний в реальной постоянной векторной базе данных вместо хранения всего в памяти. 🔎 Поиск сходства векторов Извлечение наиболее релевантных фрагментов документа для вопроса пользователя. 🤖 Семантическое ядро ​​+ LLM Передача полученного контекста в LLM и генерация обоснованного ответа. Архитектура PDF → Извлечение текста → Разбиение на фрагменты → Встраивание векторов → PostgreSQL/pgvector → Поиск сходства → Семантическое ядро ​​→ LLM → Обоснованный ответ Цель состоит не только в том, чтобы заставить RAG работать. Мы рассматриваем, как инженер может мыслить о RAG и как эти отдельные компоненты объединяются в реальное приложение. #RAG #СемантическоеЯдро #DotNet #pgvector #AIEngineering