Pipeline RAG Skool
Objectif
Interrogez le contenu de la communauté Skool à l'aide d'un pipeline RAG (Retrieval-Augmented Generation) avec recherche vectorielle et reclassement.
Scripts
./scripts/skool_rag_prepare.py- Préparer le contenu pour l'indexation./scripts/skool_rag_index.py- Indexer le contenu dans Pinecone./scripts/skool_rag_query.py- Interroger la base de connaissances
Pipeline
1. Préparer le contenu
python3 ./scripts/skool_rag_prepare.py --community makerschool
Extrait et fragmente le contenu de la communauté.
2. Indexer dans Pinecone
python3 ./scripts/skool_rag_index.py --input .tmp/skool_chunks.json
Crée des embeddings OpenAI et les stocke dans Pinecone.
3. Interroger
python3 ./scripts/skool_rag_query.py --query "Comment obtenir mon premier client ?"
Pipeline :
- Embeddings OpenAI pour la requête
- Recherche vectorielle Pinecone
- Reclassement Cohere
- Génération de réponse Claude
Environnement
PINECONE_API_KEY=your_key
OPENAI_API_KEY=your_key
COHERE_API_KEY=your_key
ANTHROPIC_API_KEY=your_key
Schéma
Entrées
| Nom | Type | Requis | Description |
|---|---|---|---|
query | chaîne | Oui | Question en langage naturel à rechercher |
community | chaîne | Non | Slug de la communauté à indexer (par défaut : makerschool) |
Sorties
| Nom | Type | Description |
|---|---|---|
answer | chaîne | Réponse générée par IA avec références aux sources |
Identifiants
| Nom | Source |
|---|---|
PINECONE_API_KEY | .env |
OPENAI_API_KEY | .env |
COHERE_API_KEY | .env |
ANTHROPIC_API_KEY | .env |
Composable avec
Compétences qui s'enchaînent bien avec celle-ci : skool-monitor
Coût
Pinecone + embeddings OpenAI + reclassement Cohere + Claude