Hinweis
Für den Zugriff auf diese Seite ist eine Autorisierung erforderlich. Sie können versuchen, sich anzumelden oder das Verzeichnis zu wechseln.
Für den Zugriff auf diese Seite ist eine Autorisierung erforderlich. Sie können versuchen, das Verzeichnis zu wechseln.
RAG (Retrieval-Augmented Generation) ist eines der am häufigsten verwendeten Verfahren zum Erstellen von generativen KI-Anwendungen. Feature Engineering in Unity Catalog unterstützt strukturierte RAG-Anwendungen mithilfe von Onlinetabellen. Sie erstellen eine Onlinetabelle für die strukturierten Daten, die die RAG-Anwendung benötigt, und hosten sie auf einem Featurebereitstellundsendpunkt. Die RAG-Anwendung verwendet den Featurebereitstellungendpunkt, um relevante Daten aus der Onlinetabelle nachzuschlagen.
Folgende typische Schritte werden ausgeführt:
- Erstellen Sie einen Featurebereitstellungsendpunkt.
- Erstellen Sie ein LangChain-Tool, das den Endpunkt zum Nachschlagen relevanter Daten verwendet.
- Verwenden Sie das Tool im LangChain-Agent, um relevante Daten abzurufen.
- Erstellen Sie einen Modellbereitstellungsendpunkt zum Hosten der LangChain-Anwendung.
Das folgende Notebook veranschaulicht die Verwendung von Databricks-Onlinetabellen und Featurebereitstellungsendpunkten für RAG-Anwendungen (Retrieval Augmented Generation).