// Classified_Document // Level_Intermedio • 10 ore
Modulo 5 — Ancorare l'IA a fonti affidabili (RAG)
"Integrate il Retrieval-Augmented Generation (RAG) per arricchire l'LLM con dati specifici e aggiornati."
⚠ System_Analysis:Rendete le vostre risposte IA più precise ancorandole ai vostri dati.
Target_Objectives.jsonREAD_ONLY
01Comprendere il principio RAG (Retrieval-Augmented Generation)
02Implementare una pipeline RAG semplice con database vettoriale
03Ottimizzare strategie di chunking e qualità del recupero
Directory_Structure
CHAPTER_01
Introduzione al RAG: perché integrare dati esterni?
CHAPTER_02
Vettorizzazione, embedding e recupero semantico.
CHAPTER_03
Esercizio: indicizzare un set di documenti e interrogare con RAG.
CHAPTER_04
Ottimizzazione: chunking, metadati e reranking.
Capabilities_Matrix
Implementare una pipeline RAG con database vettoriale.Chunking e indicizzazione documenti per recupero ottimale.Migliorare la qualità del recupero con metadati e reranking.