在人工智能的浩瀚星空中，检索增强生成（RAG）技术犹如一颗璀璨新星，正以前所未有的速度崛起，而《大模型RAG应用发：构建智能生成系统》一书，以清晰且系统的架构，为读者精心铺就了一条从 RAG 基础门直至实战高手的阶之路。 全书共分为3部分，第一部分（第1~3章）聚焦RAG发基础，这一部分从基础工具与环境配置手，逐步介绍RAG模型的基本架构，重讲解生成模块与检索模块的协同工作机制，帮助读者建立RAG系统的理论框架，为后续实战奠定坚实基础。
售 价：¥
纸质售价：¥78.20购买纸书
6.3
温馨提示：数字商品不支持退换货，不提供源文件，不支持导出打印
为你推荐
作者简介
内容简介
前言
本书内容
资源下载
第1章 搭建RAG开发环境
1.1 Python开发环境搭建
1.2 RAG开发中常用的Python依赖库
1.3 RAG开发中常用的外部模块
1.4 RAG与智能体
1.5 基于RAG的智能体开发基础
1.6 本章小结
1.7 思考题
第2章 传统生成与检索增强生成
2.1 生成式AI和RAG的基本概念
2.2 为何需要对传统大模型进行检索增强
2.3 检索增强核心：预训练大模型
2.4 本章小结
2.5 思考题
第3章 RAG模型的工作原理
3.1 检索模块与生成模块
3.2 向量检索：将文本转换为向量
3.3 RAG开发中常用的生成模型简介
3.4 本章小结
3.5 思考题
第4章 搭建一个简单的RAG系统
4.1 创建小型向量数据库
4.2 利用公开模型实现简单的问答系统
4.3 本章小结
4.4 思考题
第5章 数据向量化与FAISS开发
5.1 什么是向量检索：原理与常用算法
5.2 使用FAISS构建高效的向量检索系统
5.3 数据的向量化：Embedding的生成
5.4 本章小结
5.5 思考题
第6章 文本检索增强与上下文构建
6.1 如何让生成模型“理解”检索到的内容
6.2 上下文的构建与传递
6.3 多轮对话与复杂生成任务的实现
6.4 本章小结
6.5 思考题
第7章 构建检索向量数据库
7.1 数据的准备与清洗
7.2 如何创建和管理向量数据库
7.3 本章小结
7.4 思考题
第8章 针对延迟与缓存的模型性能调优
8.1 调整生成与检索模块的协同参数
8.2 缩短RAG系统的响应时间
8.3 本章小结
8.4 思考题
第9章 企业文档问答系统的开发
9.1 需求分析与系统设计
9.2 搭建向量数据库与检索模块
9.3 生成模块的集成与模型调优
9.4 系统测试、部署与优化
9.5 本章小结
9.6 思考题
第10章 医疗文献检索与分析系统的开发
10.1 需求分析与数据准备
10.2 构建高效的检索模块
10.3 生成模块开发、集成和调优
10.4 本章小结
10.5 思考题
第11章 法律法规查询助手的开发
11.1 需求分析与数据收集
11.2 法律法规检索模块的实现
11.3 生成模块开发与输出优化
11.4 本章小结
11.5 思考题
买过这本书的人还买过
读了这本书的人还在读
同类图书排行榜
购物车
个人中心
