幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

基於大模型的RAG應用開發與優化(構建企業級LLM應用)

  • 作者：嚴燦平|責編:石悅
  • 出版社：電子工業
  • ISBN：9787121490385
  • 出版日期：2024/11/01
  • 裝幀：平裝
  • 頁數：512
人民幣：RMB 139 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書是一本全面介紹基於大語言模型的RAG應用開發的專業圖書。本書共分為3篇：預備篇、基礎篇和高級篇。預備篇旨在幫助你建立起對大模型與RAG的基本認識，並引導你搭建起RAG應用開發的基礎環境；基礎篇聚焦于經典RAG應用開發的核心要素與階段，介紹關鍵模塊的開發過程，剖析相關的技術原理，為後面的深入學習打下堅實的基礎；高級篇聚焦于RAG應用開發的高階模塊與技巧，特別是在企業級RAG應用開發中的優化策略與技術實現，並探索了一些新型的RAG工作流與範式，旨在幫助你了解最新的RAG應用技術發展，掌握RAG應用的全方位開發能力。
    本書適合對大模型及RAG技術感興趣的開發者、研究人員、產品經理及希望了解並掌握RAG應用開發能力的人閱讀。無論你是進入AI領域的初學者，還是已經有一定基礎的進階者，都能從本書中找到適合自己的內容。
作者介紹
嚴燦平|責編:石悅
目錄
預備篇
  第1章  了解大模型與RAG
    1.1  初識大模型
      1.1.1  大模型時代：生成式AI應用的爆發
      1.1.2  大模型應用的持續進化
      1.1.3  大模型是無所不能的嗎
    1.2  了解RAG
      1.2.1  為什麼需要RAG
      1.2.2  一個簡單的RAG場景
    1.3  RAG應用的技術架構
      1.3.1  RAG應用的經典架構與流程
      1.3.2  RAG應用面臨的挑戰
      1.3.3  RAG應用架構的演進
    1.4  關於RAG的兩個話題
      1.4.1  RAG與微調的選擇
      1.4.2  RAG與具有理解超長上下文能力的大模型
  第2章  RAG應用開發環境搭建
    2.1  開發RAG應用的兩種方式
      2.1.1  使用低代碼開發平台
      2.1.2  使用大模型應用開發框架
    2.2  RAG應用開發環境準備
      2.2.1  硬體環境建議
      2.2.2  基礎大模型
      2.2.3  嵌入模型
      2.2.4  Python虛擬運行環境
      2.2.5  PythonIDE與開發插件
      2.2.6  向量庫
      2.2.7  LlamaIndex框架
    2.3  關於本書開發環境的約定
  【預備篇小結】
基礎篇
  第3章  初識RAG應用開發
    3.1  開發一個最簡單的RAG應用
      3.1.1  使用原生代碼開發
      3.1.2  使用LlamaIndex框架開發
      3.1.3  使用LangChain框架開發
    3.2  如何跟蹤與調試RAG應用
      3.2.1  借助LlamaDebugHandler
      3.2.2  借助第三方的跟蹤與調試平台
    3.3  準備：基於LlamaIndex框架的RAG應用開發核心組件
  第4章  模型與Prompt
    4.1  大模型
      4.1.1  大模型在RAG應用中的作用
      4.1.2  大模型組件的統一介面
      4.1.3  大模型組件的單獨使用
      4.1.4  大模型組件的集成使用
      4.1.5  了解與設置大模型的參數
      4.1.6  自定義大模型組件
      4.1.7  使用LangChain框架中的大模型組件
    4.2  Prompt

      4.2.1  使用Prompt模板
      4.2.2  更改默認的Prompt模板
      4.2.3  更改Prompt模板的變數
    4.3  嵌入模型
      4.3.1  嵌入模型在RAG應用中的作用
      4.3.2  嵌入模型組件的介面
      4.3.3  嵌入模型組件的單獨使用
      4.3.4  嵌入模型組件的集成使用
      4.3.5  了解與設置嵌入模型的參數
      4.3.6  自定義嵌入模型組件
  第5章  數據載入與分割
    5.1  理解兩個概念：Document與Node
      5.1.1  什麼是Document與Node
      5.1.2  深入理解Document與Node
      5.1.3  深入理解Node對象的元數據
      5.1.4  生成Document對象
      5.1.5  生成Node對象
      5.1.6  元數據的生成與抽取
      5.1.7  初步了解IndexNode類型
    5.2  數據載入
      5.2.1  從本地目錄中載入
      5.2.2  從網路中載入數據
    5.3  數據分割
      5.3.1  如何使用數據分割器
      5.3.2  常見的數據分割器
    5.4  數據攝取管道
      5.4.1  什麼是數據攝取管道
      5.4.2  用於數據攝取管道的轉換器
      5.4.3  自定義轉換器
      5.4.4  使用數據攝取管道
    5.5  完整認識數據載入階段
  第6章  數據嵌入與索引
    6.1  理解嵌入與向量
      6.1.1  直接用模型生成向量
      6.1.2  借助轉換器生成向量
    6.2  向量存儲
      6.2.1  簡單向量存儲
      6.2.2  第三方向量存儲
    6.3  向量存儲索引
      6.3.1  用向量存儲構造向量存儲索引對象
      6.3.2  用Node列表構造向量存儲索引對象
      6.3.3  用文檔直接構造向量存儲索引對象
      6.3.4  深入理解向量存儲索引對象
    6.4  更多索引類型
      6.4.1  文檔摘要索引
      6.4.2  對象索引
      6.4.3  知識圖譜索引
      6.4.4  樹索引
      6.4.5  關鍵詞表索引
  第7章  檢索、響應生成與RAG引擎

    7.1  檢索器
      7.1.1  快速構造檢索器
      7.1.2  理解檢索模式與檢索參數
      7.1.3  初步認識遞歸檢索
    7.2  響應生成器
      7.2.1  構造響應生成器
      7.2.2  響應生成模式
      7.2.3  響應生成器的參數
      7.2.4  實現自定義的響應生成器
    7.3  RAG引擎：查詢引擎
      7.3.1  構造內置類型的查詢引擎的兩種方法
      7.3.2  深入理解查詢引擎的內部結構和運行原理
      7.3.3  自定義查詢引擎
    7.4  RAG引擎：對話引擎
      7.4.1  對話引擎的兩種構造方法
      7.4.2  深入理解對話引擎的內部運行和運行原理
      7.4.3  理解不同的對話模式
    7.5  結構化輸出
      7.5.1  使用output_cls參數
      7.5.2  使用輸出解析器
  【基礎篇小結】
高級篇
  第8章  RAG引擎高級開發
    8.1  檢索前查詢轉換
      8.1.1  簡單查詢轉換
      8.1.2  HyDE查詢轉換
      8.1.3  多步查詢轉換
      8.1.4  子問題查詢轉換
    8.2  檢索后處理器
      8.2.1  使用節點后處理器
      8.2.2  實現自定義的節點后處理器
      8.2.3  常見的預定義的節點后處理器
      8.2.4  Rerank節點后處理器
    8.3  語義路由
      8.3.1  了解語義路由
      8.3.2  帶有路由功能的查詢引擎
      8.3.3  帶有路由功能的檢索器
      8.3.4  使用獨立的選擇器
      8.3.5  可多選的路由查詢引擎
    8.4  SQL查詢引擎
      8.4.1  使用NLSQLTableQueryEngine組件
      8.4.2  基於實時表檢索的查詢引擎
      8.4.3  使用SQL檢索器
    8.5  多模態文檔處理
      8.5.1  多模態文檔處理架構
      8.5.2  使用LlamaParse解析文檔
      8.5.3  多模態文檔中的表格處理
      8.5.4  多模態大模型的基礎應用
      8.5.5  多模態文檔中的圖片處理
    8.6  查詢管道：編排基於Graph的RAG工作流

      8.6.1  理解查詢管道
      8.6.2  查詢管道支持的兩種使用方式
      8.6.3  深入理解查詢管道的內部原理
      8.6.4  實現並插入自定義的查詢組件
  第9章  開發DataAgent
    9.1  初步認識DataAgent
    9.2  構造與使用Agent的工具
      9.2.1  深入了解工具類型
      9.2.2  函數工具
      9.2.3  查詢引擎工具
      9.2.4  檢索工具
      9.2.5  查詢計劃工具
      9.2.6  按需載入工具
    9.3  基於函數調用功能直接開發Agent
    9.4  用框架組件開發Agent
      9.4.1  使用OpenAIAgent
      9.4.2  使用ReActAgent
      9.4.3  使用底層API開發Agent
      9.4.4  開髮帶有工具檢索功能的Agent
      9.4.5  開髮帶有上下文檢索功能的Agent
    9.5  更細粒度地控制Agent的運行
      9.5.1  分步可控地運行Agent
      9.5.2  在Agent運行中增加人類交互
  第10章  評估RAG應用
    10.1  為什麼RAG應用需要評估
    10.2  RAG應用的評估依據與指標
    10.3  RAG應用的評估流程與方法
    10.4  評估檢索質量
      10.4.1  生成檢索評估數據集
      10.4.2  運行評估檢索過程的程序
    10.5  評估響應質量
      10.5.1  生成響應評估數據集
      10.5.2  單次響應評估
      10.5.3  批量響應評估
    10.6  基於自定義標準的評估
  第11章  企業級RAG應用的常見優化策略
    11.1  選擇合適的知識塊大小
      11.1.1  為什麼知識塊大小很重要
      11.1.2  評估知識塊大小
    11.2  分離檢索階段的知識塊與生成階段的知識塊
      11.2.1  為什麼需要分離
      11.2.2  常見的分離策略及實現
    11.3  優化對大文檔集知識庫的檢索
      11.3.1  元數據過濾+向量檢索
      11.3.2  摘要檢索+內容檢索
      11.3.3  多文檔AgenticRAG
    11.4  使用高級檢索方法
      11.4.1  融合檢索
      11.4.2  遞歸檢索
  第12章  構建端到端的企業級RAG應用

    12.1  對生產型RAG應用的主要考量
    12.2  端到端的企業級RAG應用架構
      12.2.1  數據存儲層
      12.2.2  AI模型層
      12.2.3  RAG工作流與API模塊
      12.2.4  前端應用模塊
      12.2.5  後台管理模塊
    12.3  端到端的全棧RAG應用案例
      12.3.1  簡單的全棧RAG查詢應用
      12.3.2  基於多文檔Agent的端到端對話應用
  第13章  新型RAG範式原理與實現
    13.1  自糾錯RAG：C-RAG
      13.1.1  C-RAG誕生的動機
      13.1.2  C-RAG的原理
      13.1.3  C-RAG的實現
    13.2  自省式RAG：Self-RAG
      13.2.1  Self-RAG誕生的動機
      13.2.2  Self-RAG的原理
      13.2.3  Self-RAG的實現
      13.2.4  Self-RAG的優化
    13.3  檢索樹RAG：RAPTOR
      13.3.1  RAPTOR誕生的動機
      13.3.2  RAPTOR的原理
      13.3.3  RAPTOR的實現
  【高級篇小結】

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032