← Zurück zur Liste

RAG-Best Practices

Gesamtarchitektur

  1. Berechnen Sie Dokument- und Abfragevektoren mit openai/text-embedding-3-large
  2. Top-K aus einem Vektorspeicher abrufen (FAISS / Milvus / pgvector)
  3. Neu einordnen mit cohere/rerank-english-v3
  4. Nähen Sie die Top-N-Stücke in die Naht und lassen Sie sie cohere/command-r-plus oder Claude generieren die endgültige Antwort

Einbetten

python
resp = client.embeddings.create(
    model="openai/text-embedding-3-large",
    input=[chunk.text for chunk in chunks],
)
vectors = [d.embedding for d in resp.data]

Prompt-Vorlage

text
You are an expert assistant. Answer based ONLY on context.
If the answer is not in the context, say "I don't know".

[Context]
{retrieved_chunks}

[Question]
{user_question}