跳轉到

建立 RAG 流程

RAG 會先擷取相關文件內容，再請模型回答。akasha 分別使用聊天模型與 Embedding 模型處理這兩個步驟。

完整範例

import akasha

rag = akasha.RAG(
    model="gemini:gemini-2.5-flash",
    embeddings="gemini:gemini-embedding-001",
)

answer = rag(
    "./docs",
    "這些文件的主要內容是什麼？",
)
print(answer)

在這段程式中：

  • model 負責產生回答。
  • embeddings 將文件文字與問題轉成向量。
  • ./docs 是文件來源。

常見問題

  • 文件路徑必須存在，且包含支援的檔案。
  • Embedding Provider 需要獨立設定，不一定與聊天模型相同。
  • 第一次執行可能較久，因為需要準備文件與 Embedding。

如果模型需要呼叫工具，而不只是搜尋文件，請接著閱讀 Agent。