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RAG的大模型應用開發(問答系統多模態系統與Agent開發實踐)

  • 作者：編者:宿永傑|責編:王中英
  • 出版社：清華大學
  • ISBN：9787302709282
  • 出版日期：2026/02/01
  • 裝幀：平裝
  • 頁數：241
人民幣：RMB 79.8 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書系統介紹RAG（檢索增強生成）的核心原理與開發實踐。本書理論與實踐相結合，從基礎知識開始講解，逐步深入探討RAG的優化技術，最後結合3個典型項目實戰案例，重點介紹如何構建基於RAG的智能問答系統、多模態系統和Agent系統。通過學習本書內容，讀者不僅能夠系統掌握RAG的理論知識，而且能夠深入理解其在實際應用中的開發與優化方法，從而高效構建基於RAG的大模型應用系統。
    本書共分為9章，涵蓋的主要內容有RAG基礎概述、RAG核心知識、RAG架構、RAG優化、RAG評估、Dify入門與應用實踐、基於RAG構建智能問答系統、基於RAG構建多模態系統、基於RAG構建Agent系統。
    本書內容豐富，語言通俗易懂，案例典型，適合零基礎RAG入門者系統學習，也適合進階開發者深入研究與實踐RAG的優化時參考。另外，本書對大模型應用開發感興趣的程序員、AI從業者及其他開發者也具有很高的參考價值。
作者介紹
編者:宿永傑|責編:王中英
    宿永傑     擁有近10年的技術研發經驗，專註於人工智能（AI）技術架構與研發，研究方向涵蓋大數據處理、AI應用架構及智能系統開發。目前從事智能座艙語音對話系統的架構設計與研發工作。     熱衷於技術分享，長期活躍于技術社區，是CSDN博客專家，全網粉絲量超15萬。     公眾號 「AI研習社」。
目錄
第1章  RAG基礎概述
  1.1  RAG的概念
    1.1.1  RAG的起源
    1.1.2  RAG的基本原理
    1.1.3  RAG的工作流程
    1.1.4  RAG與模型微調的區別
  1.2  RAG的優缺點
    1.2.1  RAG的優點
    1.2.2  RAG的缺點
  1.3  RAG的應用場景
    1.3.1  問答系統
    1.3.2  內容生成
    1.3.3  優化搜索引擎
    1.3.4  Agent工具
  1.4  RAG的發展與面臨的挑戰
    1.4.1  向量化信息丟失
    1.4.2  語義搜索不準確
    1.4.3  長上下文大語言模型面臨的挑戰
    1.4.4  隱私和安全問題
    1.4.5  多模態對齊與融合
  1.5  小結
第2章  RAG核心知識
  2.1  文檔解析
    2.1.1  載入目錄
    2.1.2  載入CSV
    2.1.3  載入HTML
    2.1.4  載入JSON
    2.1.5  載入Markdown
    2.1.6  載入PDF
  2.2  文檔分塊
    2.2.1  按字元進行拆分
    2.2.2  代碼分割
    2.2.3  按Markdown標題進行分割
    2.2.4  按字元遞歸進行分割
    2.2.5  按標記進行分割
  2.3  文本嵌入
    2.3.1  文本嵌入的定義
    2.3.2  文本嵌入的應用
  2.4  向量資料庫
    2.4.1  向量資料庫簡介
    2.4.2  Faiss向量資料庫
  2.5  向量檢索
    2.5.1  稀疏向量檢索
    2.5.2  稠密向量檢索
  2.6  模型參數設置與提示詞工程使用
    2.6.1  大語言模型參數設置
    2.6.2  提示詞工程使用技巧
  2.7  小結
第3章  RAG架構
  3.1  經典RAG

    3.1.1  經典RAG簡介
    3.1.2  經典RAG架構
    3.1.3  經典RAG構建實戰
  3.2  多頭RAG
    3.2.1  多頭RAG簡介
    3.2.2  多頭RAG架構
    3.2.3  多頭RAG構建實戰
  3.3  自反思RAG
    3.3.1  自反思RAG簡介
    3.3.2  自反思RAG架構
    3.3.3  自反思RAG構建實戰
  3.4  糾正RAG
    3.4.1  糾正RAG簡介
    3.4.2  糾正RAG架構
    3.4.3  糾正RAG構建實戰
  3.5  自適應RAG
    3.5.1  自適應RAG簡介
    3.5.2  自適應RAG架構
    3.5.3  自適應RAG構建實戰
  3.6  圖RAG
    3.6.1  圖RAG簡介
    3.6.2  圖RAG架構
    3.6.3  圖RAG構建實戰
  3.7  小結
第4章  RAG優化
  4.1  源數據清洗與整合
    4.1.1  源數據清洗
    4.1.2  多數據源整合
    4.1.3  多模態數據融合
  4.2  向量資料庫優化
    4.2.1  存儲格式優化
    4.2.2  量化壓縮優化
    4.2.3  檢索演算法優化
    4.2.4  工程優化技術
  4.3  檢索質量提升
    4.3.1  文本分塊優化
    4.3.2  高質量嵌入模型
    4.3.3  查詢重寫
    4.3.4  重排序器
    4.3.5  混合檢索優化
    4.3.6  多模態檢索優化
  4.4  提示詞工程優化
    4.4.1  動態提示詞生成
    4.4.2  多輪提示詞優化
    4.4.3  多模態提示詞融合
  4.5  大語言模型優化
    4.5.1  模型參數優化
    4.5.2  模型量化優化
    4.5.3  模型微調優化
    4.5.4  模型推理優化

  4.6  小結
第5章  RAG評估
  5.1  RAG評估概述
    5.1.1  加拿大航空公司的故事
    5.1.2  RAG存在的問題
    5.1.3  RAG評估的目的
    5.1.4  RAG要解決的問題
  5.2  RAG評估指標
    5.2.1  RAG Triad框架
    5.2.2  檢索模塊的評估指標
    5.2.3  生成模塊的評估指標
    5.2.4  端到端的評估指標
  5.3  RAG評估數據集與工具
    5.3.1  RAG評估數據集
    5.3.2  RAG評估工具
  5.4  RAGAS評估工具實踐
    5.4.1  RAGAS評估數據集
    5.4.2  RAGAS評估指標
    5.4.3  RAGAS評估實戰案例
  5.5  小結
第6章  Dify入門與應用實踐
  6.1  Dify簡介
  6.2  Dify安裝與部署
    6.2.1  雲服務
    6.2.2  Dify Premium簡介
    6.2.3  Docker部署
    6.2.4  本地源碼部署
  6.3  Dify功能模塊詳解
    6.3.1  探索
    6.3.2  工作室
    6.3.3  知識庫
    6.3.4  工具
  6.4  Dify知識庫創建
    6.4.1  選擇數據源
    6.4.2  文本分段與清洗
    6.4.3  索引與檢索配置
    6.4.4  知識庫召回測試
    6.4.5  應用內集成知識庫
    6.4.6  通過API訪問知識庫
  6.5  Dify工作流創建
    6.5.1  核心節點
    6.5.2  配置變數
    6.5.3  編排節點
    6.5.4  訪問API
  6.6  Dify工具創建
    6.6.1  發布自定義工具
    6.6.2  使用自定義工具
  6.7  小結
第7章  基於RAG構建智能問答系統
  7.1  智能問答系統概述

    7.1.1  智能問答系統的定義
    7.1.2  智能問答系統的發展簡史
    7.1.3  智能問答系統的處理流程
    7.1.4  智能問答系統的應用分類
  7.2  智能問答系統技術架構的演變
    7.2.1  基於規則的智能問答系統架構
    7.2.2  基於檢索的智能問答系統架構
    7.2.3  基於知識圖譜的智能問答系統架構
    7.2.4  基於生成式的智能問答系統架構
    7.2.5  基於多模態的智能問答系統架構
  7.3  構建基於RAG的智能對話系統
    7.3.1  智能對話系統基礎
    7.3.2  RAG增強智能對話系統
    7.3.3  RAG聯動意圖識別與槽位填充
    7.3.4  RAG實現多輪智能對話系統
    7.3.5  RAG賦能智能對話系統的發展
  7.4  小結
第8章  基於RAG構建多模態系統
  8.1  多模態技術基礎
    8.1.1  多模態技術簡介
    8.1.2  多模態技術原理
    8.1.3  多模態技術應用
    8.1.4  多模態技術發展
  8.2  視覺語言模型
    8.2.1  視覺語言模型簡介
      8.2.2 Qwen 2.5  -VL模型本地推理
  8.3  多模態嵌入模型
    8.3.1  多模態嵌入模型簡介
    8.3.2  中文CLIP模型本地推理
    8.3.3  ImageBind模型本地推理
  8.4  基於RAG的多模態系統設計與實現
    8.4.1  基於RAG的多模態系統簡介
    8.4.2  基於RAG的多模態系統設計
    8.4.3  基於RAG的多模態系統實現
    8.4.4  基於RAG的多模態系統發展
  8.5  小結
第9章  基於RAG構建Agent系統
  9.1  Agent概述
    9.1.1  什麼是Agent
    9.1.2  Agent的演進之路
    9.1.3  Agent的常見分類
    9.1.4  Agent的行業應用
    9.1.5  Agent的未來發展
  9.2  Agent技術框架
    9.2.1  Agent的四大組件
    9.2.2  ReAct框架原理
    9.2.3  OpenAI的Agent SDK
  9.3  基於RAG的Agent系統設計與實現
    9.3.1  基於RAG的Agent系統簡介
    9.3.2  基於RAG的Agent系統設計

    9.3.3  基於RAG的Agent系統實現
  9.4  Agent的發展趨勢
  9.5  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