معظم عروض RAG التوضيحية تبدو سليمة إلى أن يجيب النموذج من ذاكرة تدريبه بدلاً من مستنداتك. هذا الأساس يبقيه أميناً.
sonnet3 أيامPineconeOpenAILangChainPython
Claude
64ROI
84Scale
$1.8k88Saved
ROI for
README.md
لماذا هذا الوكيل تحديدًا
معظم عروض RAG التوضيحية تبدو سليمة إلى أن يجيب النموذج من ذاكرة تدريبه بدلاً من مستنداتك. هذا الأساس يبقيه أميناً.
تُقطَّع المستندات وتُضمَّن في فضاء أسماء داخل Pinecone؛ ويسحب كل سؤال أقرب المقاطع، ويجيب النموذج منها وحدها. تستشهد كل إجابة بالمقاطع التي استخدمتها، وحين لا يرد شيء وثيق الصلة، تقول ذلك بدلاً من اختلاق إجابة. نقطة انطلاق نظيفة يمكنك البناء عليها.
كيف يعمل
Used at step 01 to kick off the pipeline.
Write
Used at step 01 to kick off the pipeline.
WebFetch
Used at step 01 to kick off the pipeline.
WebSearch
Used at step 01 to kick off the pipeline.
تضمين السؤال الوارد وسحب أكثر المقاطع تطابقاً من فضاء الأسماء ذاك.
pending
تمرير المقاطع المسترجَعة كسياق وجعل النموذج يجيب فقط مما جرى استرجاعه.
pending
إعادة الإجابة مع معرّفات المقاطع المصدر التي استخدمها بحيث يمكن التحقق من الادعاءات.
pending
نموذج للمخرجات
json
// Sample output
// (generated when the pipeline finishes)
Answer questions from Pinecone-retrieved chunks only, citing the chunk IDs used and refusing when context is missing.
Unlock the rest
The full agent definition, install snippet, and starter task are gated for community members.
Members get the full `.md` agent file, the npm / pnpm install one-liners, a starter prompt that we've tuned against real runs, and the open-source repo when this automation ships there. One email, magic link, done.