2.6 KiB
base de donnée sur elastic search
Récupérer les tickets avec demandes et solutions
- voir ticket et demandes voir les réponses
- celles clôturés question/réponse possibilité d'injection dans le LLM
- sur le RAG synthétisé la question et synthétiser la réponse (fils de discussion client et support)
- Attention plusieurs questions dans la demande
- traité les images donner une explication au format texte pour l'intégrer dans la synthèse Q/R
- Si quelque chose a été signalé en cours de traitement
- Comment faire une recherche en base de donnée
- Quand on fait fine-tuning lora injecte ce qui est nouveau une fois par mois
- Fine-tuning refaire une synthèse résumé de l'ensemble
- cleaning du data set
- dans le rag pdf
- possibilité de signalé un problème qui est récurrent
- voir retraining si mauvaise réponse
- Dabord en cours
- ticket une fois corrigé pas besoin
- faire un exercice et les donner à un llm grand et lui demander d'extracter le problème et la solution Demander quel est le probleme
- lui demander d'analyser les images
- On compile avec le fil de discussion on peut laisser image avec le texte LLM Vision
- Vision a déjà la partie discussion ça dépend la stratégie
- llama-vision (llava) voir comment il réagit et modifier la réponse pour qu'il comprenne comment cela va fonctionner
- Mieux tout sur llava et voir le résultat
- 3 agents,
- Réajuster les réponses et les réinjecter
- Demander au client de plus décrire les choses
- content rôle du llm 2emequestion 3eme réponse cette option
- agent qui va résumé question, résumé réponse,
- contexte pour chaque type de demande
- Normes dans le RAG knowledgebase
- mode hybride RAG / fine tuning
- Meme LLM qui va avoir différents agents
- Voir les screen des différents datasets
- huggin face
- https://www.kaggle.com/ plus mathématique
- dataset interessants pour le béton reprendre la logique
- voir postgres
configurer vscode avec les agents et et les différents modèles du servuer ollama documentation ollama voir Cline()
- voir dans vscode pour lui assigner un rôle comme agent (ex: tu dois convertir du code wlangage en python)
- puis lui demander de convertir tels fichiers à convertir et travailler le prompt
- et continue égalment dans vscode plus assigner à une tâche documentation ollama API
- voir paramètrage
- voir utilisation précise dans vscode Commencer | DataCamp grascalvet.fernand@gmail.com Lestat66!