RAGLight unterstützt zwei Hauptdatenquellen:
- lokaler OrdnerDokumente können in PDF, Textdateien und anderen Formaten importiert werden. Die Konfiguration erfordert die Verwendung von
FolderSourceGeben Sie den Ordnerpfad an, z. B.FolderSource(path="/path/to/your/folder/knowledge_base"). - GitHub-RepositorienUnterstützung für die Extraktion von Dokumenten aus öffentlichen Repositories. Die Konfiguration erfordert die Verwendung des
GitHubSourceund geben Sie die Repository-URL an, z. B.GitHubSource(url="https://github.com/Bessouat40/RAGLight").
Benutzer können diese Datenquellen der RAG-Pipeline hinzufügen, wenn sie die knowledge_base Liste, verarbeitet RAGLight das Dokument automatisch und erzeugt den Vektorspeicher.
Diese Antwort stammt aus dem ArtikelRAGLight: Leichtgewichtige Python-Bibliothek zur Generierung von AbruferweiterungenDie
Darf nicht ohne Genehmigung vervielfältigt werden:KI-Produktivitätswerkzeuge " Welche Datenquellen werden von RAGLight unterstützt? Wie kann ich diese Datenquellen konfigurieren?
Deutsch 
简体中文 
English 
日本語 
Português do Brasil