Przejdź do treści głównej
🔒 Tryb podglądu. Pierwszych piętnaście lekcji Foundations jest darmowych; ta jest Pro. Rozpocznij 7-dniowy trial, aby odblokować edytor, podpowiedzi AI i resztę kursu. Wymagana karta, anulujesz w dowolnym momencie w Dashboard.Rozpocznij 7-dniowy trial →
← KursyAI Engineering with PythonModuł 3 · RAG (generacja wspomagana odzyskiwaniem)Strategie fragmentowaniawrite36 / 105
+100 XP
Zadanie
📝 **Pytanie:** **Napisz funkcję** \`chunk_count(total_tokens, chunk_size, cover)\`, która zwraca liczbę fragmentów tworzonych przez dokument przy dzieleniu na przesuwane okno. Specyfikacja: każdy fragment to tokeny \`chunk_size\`. Każdy fragment nakłada się na poprzedni poprzez tokeny \`nakładające się\` — więc *krok* (efektywne nowe tokeny na fragment) to \`rozmiar_porcji - nakładanie się\`. Pierwsza porcja zaczyna się od 0; nowe porcje są dodawane aż pozycja początkowa przekroczy \`total_tokens\`. Formuła: \`\`\` krok = chunk_size - nakładanie się liczba = ceil(max(0, total_tokens - nakładanie się) / krok) \`\`\` (Przypadek skrajny: jeśli \`total_tokens <= chunk_size\`, to wciąż jest 1 fragment.) Następnie wydrukuj licznik fragmentów dla trzech konfiguracji dokumentu zawierającego 50 000 tokenów: \`\`\` 500/50: 111 800/80: 70 1500/200: 39 \`\`\` 3-krotny spadek ze 111 fragmentów do 39 fragmentów → to kompromis w zakresie kosztów osadzania, który starsi programiści wyraźnie przedstawiają przed zaindeksowaniem 1 miliona dokumentów. 📋 Wybierz właściwą odpowiedź. 💡 **Wskazówka:** Jeśli nie jesteś pewien, przeczytaj ponownie powyższą teorię.
✏️ Pisz kod tutaj
🐍
Ładowanie Pythona...
Jednorazowe pobranie (~1 MB). Potem działa od razu.
📊 Wynik
Kliknij Uruchom, aby zobaczyć wynik...

💬 Dyskusja

Zadaj pierwsze pytanie lub podziel się wskazówką.
Zaloguj się aby dołączyć do dyskusji. Czytanie jest darmowe.
Ładowanie dyskusji…