rag.py

RAG komplett in einer Datei: Embeddings erzeugen, in pgvector speichern, Suche als Agent-Tool bereitstellen.

Für wen: Kompaktes RAG-Referenzbeispiel ohne Framework-Ballast.

So nutzt du es

Lauffähige Python-Beispiele: Datei herunterladen, pip install pydantic-ai und mit gesetztem API-Key ausführen. Gut kommentierter Einstieg in typsichere Agenten.

Im Detail

rag.py ist ein einzelnes Python-Skript aus dem offiziellen pydantic-ai-Repo, das den kompletten RAG-Ablauf zeigt: Text embedden, in PostgreSQL mit pgvector-Erweiterung speichern und die Ähnlichkeitssuche als Tool an einen Agenten anbinden. Anders als große RAG-Frameworks (LlamaIndex, LangChain) gibt es keine Abstraktionsschichten zu verstehen – der gesamte Code passt auf eine Seite und lässt sich direkt lesen und anpassen. Für Produktions-RAG mit tausenden Dokumenten fehlen Dinge wie Chunking-Strategien, Reranking oder Hybrid-Suche; dafür ist es ideal, um das Grundprinzip zu verstehen oder als Startpunkt für ein eigenes, schlankes RAG-System ohne Framework-Abhängigkeiten.

Praxis-Tipp

Skript mit eigener PostgreSQL+pgvector-Instanz laufen lassen und die Indexier-Funktion mit eigenen Dokumenten statt der Beispieldaten füttern, um die Suche über den list_documentation-Agenten live zu testen.

Siehe auch

• sql_gen.py
• weather_agent.py

Lizenz & Quelle

• Lizenz: MIT
• Quelle: pydantic/pydantic-ai

Lade …