Skool RAG パイプライン
目標
RAG（Retrieval-Augmented Generation）パイプライン、ベクトル検索、および再ランク付けを使用して、Skoolコミュニティのコンテンツをクエリします。
スクリプト
./scripts/skool_rag_prepare.py- インデックス用にコンテンツを準備./scripts/skool_rag_index.py- Pineconeにコンテンツをインデックス./scripts/skool_rag_query.py- ナレッジベースをクエリ
パイプライン
1. コンテンツの準備
python3 ./scripts/skool_rag_prepare.py --community makerschool
コミュニティのコンテンツをスクレイピングし、チャンクに分割します。
2. Pineconeへのインデックス
python3 ./scripts/skool_rag_index.py --input .tmp/skool_chunks.json
OpenAIの埋め込みベクトルを作成し、Pineconeに保存します。
3. クエリ
python3 ./scripts/skool_rag_query.py --query "最初のクライアントを獲得するにはどうすればいいですか？"
パイプライン:
- クエリのOpenAI埋め込みベクトル化
- Pineconeのベクトル検索
- Cohereによる再ランク付け
- Claudeによる回答生成
環境
PINECONE_API_KEY=your_key
OPENAI_API_KEY=your_key
COHERE_API_KEY=your_key
ANTHROPIC_API_KEY=your_key
スキーマ
入力
| 名前 | 型 | 必須 | 説明 |
|---|---|---|---|
query | string | はい | 検索する自然言語の質問 |
community | string | いいえ | インデックスするコミュニティスラッグ（デフォルト: makerschool） |
出力
| 名前 | 型 | 説明 |
|---|---|---|
answer | string | ソース参照付きのAI生成回答 |
認証情報
| 名前 | ソース |
|---|---|
PINECONE_API_KEY | .env |
OPENAI_API_KEY | .env |
COHERE_API_KEY | .env |
ANTHROPIC_API_KEY | .env |
連携可能なスキル
このスキルと連携可能なスキル: skool-monitor
コスト
Pinecone + OpenAI埋め込み + Cohere再ランク付け + Claude