ทาง Google เพื่อปล่อย embedding model ชื่อว่า Gemini embedding 2 preview ออกมาซึ่งเป็น model ที่รองรับ input หลายชนิด หรือ Multimodel เช่น
RAG Archive
มาลองใช้งาน PageIndex สำหรับการพัฒนา RAG app กัน
ในการพัฒนา RAG app (Retrieval Augmented Generation) นั้นหนึ่งในขั้นตอนที่มีปัญหามากที่สุดคือ Retrievalหรือการดึงข้อมูลที่จำเป็นหรือเกี่ยวข้องนั่นเองโดยเทคนิคพื้นฐานมีขั้นตอนดัวนี้
มาลองใช้งาน contextualized chunk embedding model ชื่อว่า voyage-context-3 กัน
หนึ่งในกระบวนการทำงานสำคัญของ RAG (Retrieval Augmented Generation)คือ การทำ chunking ข้อมูลที่มีขนาดใหญ่ เกินกว่า context windows ของ LLM modelให้อยู่ในขนาดที่เล็ก ๆ และ เหมาะสม ซึ่งมีวิธีการทำ chunking มากมายทั้ง fixed-size, paragraph, document เป็นต้นจากนั้นก็ทำการ embedding เพื่อช่วยให้ค้นหา หรือ retrieve ได้รวดเร็วมากขึ้นด้วยการค้นหาแบบ vector search หรือ semantic search นั่นเอง
บันทึกการแบ่งปันในงาน Elastic Tech Community Exchange 2025
มีโอกาสไปแบ่งปันความรู้เรื่อง Elasticsearch ในงาน Elastic Tech Community Exchangeซึ่งจัดโดยทีมจาก Elastic นั่นเอง เป็นการกลับมาจัด meetup อีกครั้งโดยครั้งนี้มีหาร update ข้อมูลต่าง ๆ เพียบเลย เช่น ส่วนผมได้ไป share หัวข้อเกี่ยวกับ search ใน Elasticsearch นั่นเองมีรายละเอียดคร่าว ๆ ดังนี้
LangExtract :: ทำการแปลงข้อมูลจาก unstructured มาเป็น structure
ทาง Google ได้ปล่อย Python library ชื่อว่า LangExtract ออกมาเพื่อทำการแปลงข้อมูลจาก unstructured data มาเป็น structure dataช่วยให้ง่าย และ สะดวกต่อการนำไปใช้งานอย่างมากและสามารถทำงานร่วมกัย LLM provider ต่าง ๆ ได้อีกด้วย (Gemini, OpenAI)ไม่ได้จำกัดเพียงตัวใดตัวหนึ่งเท่านั้น
มาลองใช้งาน MongoDB-RAG สำหรับการสร้าง RAG application อย่างง่าย
เห็นทาง MongoDB ปล่อย library ในภาษา JavaScript ชื่อว่า MongoDB-RAGสำหรับช่วยพัฒนา RAG application แบบง่าย ๆ โดยใช้งาน MongoDB Atlas เป็น database จัดการข้อมูลในรูปแบบของ vectorมาทำความรู้จักและลองใช้งานกันหน่อย
มาลองทำ Vector Search บน MongoDB Atlas กัน
หลังจากที่ไปแบ่งปันความรู้เรื่องการพัฒนา RAG app (Retrieval-Augmented Generation) มานิดหน่อยซึ่งมีกระบวนการพื้นฐานประกอบไปด้วย หนึ่งในขั้นตอนที่น่าสนใจคือ Vector Database เราจะใช้อะไรดี ซึ่งมีให้เลือกมากมาย ตามความเหมาะสม หรือ ความชอบก็ว่าไปหนึ่งในตัวที่ถามในการแบ่งปันคือ MongoDBดังนั้นมาลองใช้งานกันหน่อย
เรื่องที่น่าสนใจจากบทความเรื่อง Contextual Retrieval จาก Anthropic
ทาง Anthropic ซึ่งเป็นเจ้าของ Claude.AI นั่นเองได้เขียนบทความเรื่อง Introducing Contextual Retrievalอธิบายเรื่องของการปรับปรุงความสามารถของ AI Model ต่าง ๆด้วยแนวคิด Retrieval-Augmented Generation (RAG)