A preparação dos seus dados é mais importante que sua stack tecnológica

Não é bom apenas dar acesso ao seu drive e dizer 'Raciocine sobre essa base de conhecimento'. Na verdade, isso faz um trabalho muito ruim em entender a importância do passado e atribuir pesos às coisas. Você realmente quer pensar especificamente sobre o contexto em que você quer dá-lo e qual a base de conhecimento que você quer que ele se concentre.

RAG (Recuperação Aumentada por Geração) é uma abordagem de IA em que os sistemas primeiro recuperam informações relevantes de bancos de dados antes de gerar respostas às consultas dos usuários.

Em muitas das empresas que eu vi, o maior desempenho em suas soluções RAG vem de uma melhor preparação de dados, não de agonizar sobre quais bancos de dados de vetores usar.

Os LLMs só podem ser tão bons quanto os dados que lhes são fornecidos e quão recentes esses dados são. Eles são, no final, como trituradores de informações. Eles são comedores de informações ilimitados. Você nunca pode ter informações suficientes para dar a um LLM para realmente obter seu valor.

A diferença entre o contexto certo e o não, é inteiramente a diferença entre uma boa resposta e uma resposta ruim.