A mai nagy nyelvi modellek egyik fő kihívása, hogy tudásuk sokszor túl általános, és nehéz friss, specifikus információval bővíteni őket. Míg a dokumentumok kézi bemásolása nem elég hatékony, a Retrieval Augmented Generation (RAG) új lehetőségeket kínál – ennek lényege, hogy saját adatainkból, jegyzeteinkből vagy akár üzleti folyamatainkból szakértőt faragunk a mesterséges intelligenciából.
Egy fontos probléma azonban az, miként lehet a különféle – nemcsak szövegből álló – fájlokat, például PDF-et, Word-dokumentumot, sőt audió- vagy videófelvételt egyszerűen feldolgozni, hogy azok beilleszthetők legyenek egy ilyen rendszerbe. A videó bemutatja, hogyan lehet a Dockling nevű ingyenes és nyílt forráskódú eszközzel különböző típusú, akár összetett adatokat is gyorsan és rugalmasan előkészíteni mesterséges intelligencia felhasználására.
Bemutatásra kerül, hogy a Dockling hogyan képes szinte bármilyen fájlformátumból – PDF, Word, Markdown, MP3 – hasznos, strukturált adatot kinyerni, és azt például Markdown formátumba átkonvertálni. A nézők betekintést nyerhetnek abba is, hogyan működik a különféle chunking (adatfeldaraboló) stratégia, különös tekintettel a hibrid chunkolásra, mely a dokumentumok szöveges és szemantikai szerkezetét is figyelembe veszi.
Az eszközök technikai beállításain túl konkrét példák illusztrálják, hogyan lehet teljes RAG-alapú mesterségesintelligencia-ügynököt építeni a Dockling segítségével, hogyan kezelhetők különféle adatbázisok, illetve miként lehet egyszerre kezelni audió-, szöveges és vizuális információkat. A tartalom számos gyakorlati kérdést, újdonságot és ötletet vet fel, amelyekkel a videó nézői kiaknázhatják a Dockling által kínált lehetőségeket saját projektjeikhez.
