작업 순차 수행하기
작업 순차 수행하기
이 페이지는 작업을 순차적으로 수행하는 방법을 설명해요. 하나의 작업이 다른 작업의 출력에 의존하는 순차적인 RAG 파이프라인을 살펴볼게요.
출처: 문서
본문
작동 방식 (How it works)
한 작업이 다른 작업의 출력에 의존하도록, RAG 파이프라인이 여러 작업을 순차적으로 수행하게 할 수 있어요.
완전한 코드 예시 (Complete code example)
RAG 작업을 순차적으로 수행하는 예시는 다음과 같아요:
PYTHON
import cohere
co = cohere.ClientV2(api_key="YOUR_COHERE_API_KEY")
# Step 1: Retrieval: embed query, retrieve relevant docs
query = "I need a comprehensive guide on the processing of seafood in the Arctic region"
query_emb = co.embed(
model="embed-v4.0",
texts=[query],
input_type="search_query",
embedding_types=["float"],
).embeddings.float_[0]
# Step 2: Embedding of documents (assuming docs are already embedded)
doc_emb = [...]
# Step 3: Finding closest documents using dot product of query and document embeddings
scores = [sum(a*b for a,b in zip(query_emb, d)) for d in doc_emb]
top_indices = sorted(range(len(scores)), key=lambda i: scores[i], reverse=True)[:3]
# Step 4: Pass the retrieved documents as context to the model
ctx = " ".join([documents[i] for i in top_indices])
response = co.chat(
model="command-a-03-2025",
messages=[
{"role":"system","content":"Answer based on the sources provided."},
{"role":"user","content": f"Context: {ctx}\n\nQuery: {query}"},
],
)
print(response.message.content[0].text)
다음 단계 (Next Steps)
다음 생성/에이전트 패턴들을 살펴보아요: