মূল বিষয়ে যান
WebGuideBD AI Academy

Retrieval-Augmented Generation (RAG)

নথি, chunking ও metadata; keyword (BM25), vector ও hybrid search; reranking ও context assembly; উৎস-উল্লেখ (citation); জ্ঞান হালনাগাদ; access control ও tenant isolation; retrieval-মূল্যায়ন বনাম উত্তর-মূল্যায়ন।

অধ্যায় ১১-এর বট দামের প্রশ্নে বলেছিল “যাচাই করে জানাচ্ছি”। RAG-এ আমরা সত্যিই যাচাই করি: প্রশ্ন এলে প্রথমে দোকানের নিজের নথি থেকে প্রাসঙ্গিক অংশ খুঁজে বের করি, তারপর শুধু সেই অংশের ভিত্তিতে উত্তর দিই এবং কোন নথি থেকে এল তা দেখাই। মডেলের “মনে রাখা” জ্ঞানের ওপর ভরসা না করে আপনার হালনাগাদ, অনুমোদিত তথ্যের ওপর ভরসা।

এই অধ্যায়ের সব নথি ও পণ্য একটি কাল্পনিক “নমুনা দোকান”-এর সিন্থেটিক ডেটা। উত্তর-তৈরির অংশ স্থানীয় ও extractive (নথি থেকে বাক্য বেছে নেয়)—কোনো আসল LLM ডাকা হয় না। প্রজেক্ট: বাংলা পণ্য-জ্ঞান সহকারী, যা দাম ও স্টক শুধু কাঠামোবদ্ধ রেকর্ড থেকে নেয়, অনুমতিপ্রাপ্ত তথ্যই খোঁজে, তথ্য না থাকলে স্পষ্ট বলে, এবং উৎস-উল্লেখের সঠিকতাও মাপে।

এই অধ্যায়ের পাঠ

  1. নথি, Chunking ও Metadata · 40 মিনিট
  2. Keyword Search: BM25 · 45 মিনিট
  3. Vector Search ও Hybrid (RRF) · 45 মিনিট
  4. Reranking, Context Assembly ও Citation · 45 মিনিট
  5. জ্ঞান হালনাগাদ, Access Control ও Tenant Isolation · 45 মিনিট
  6. Retrieval-মূল্যায়ন বনাম উত্তর-মূল্যায়ন · 45 মিনিট
  7. প্রজেক্ট: বাংলা পণ্য-জ্ঞান সহকারী · 60 মিনিট