iT邦幫忙

rag相關文章
共有 60 則文章
鐵人賽 生成式 AI DAY 24

技術 Day24-用 RAG 來比較 Fine Tune 的結果

今天我們終於要來做 RAG 了。我們很快就會看到其實在客服性質裡的場景,RAG 的效果會比 Fine Tune 好上很多。 我們接著來寫程式吧! 導入必要的套...

鐵人賽 生成式 AI DAY 19

技術 Day19-淺談 Retrieval-Augmented Generation (RAG) 的手法

Retrieval-Augmented Generation (RAG) 是一種結合了檢索技術和生成技術的強大方法,旨在提高大型語言模型(LLM)的回答準確性,...

鐵人賽 生成式 AI DAY 29
懶人救星:生成式AI 系列 第 29

技術 Day29-人工智慧搜尋引擎革命:Perplexity AI

Perplexity AI Perplexity AI 是一款先進的人工智慧搜尋引擎,結合了即時網路搜尋和自然語言處理技術。 功能 高品質答案🎯Perple...

鐵人賽 生成式 AI DAY 14

技術 Part1: Azure聊天機器人原理-架構回顧

▋Azure聊天機器人實例 從Day2初次看到這張Azure聊天機器人架構圖,到現在經過了各種層面的認識之後,重新再看一次這張圖大家可能已經有不同的感想了。今...

鐵人賽 生成式 AI DAY 27

技術 day27 智能架構圖生成器升級:雲端搜尋RAG與架構圖生成展示

前言 昨天我們利用LangChain驅動我們的生成雲端架構圖系統,成功輔以AWS Kendra的文件搜尋功能作為RAG技術的實現,那麼今天我們同樣的會改進我們的...

鐵人賽 生成式 AI DAY 26

技術 day26 AWS Kendra 智慧高效雲端搜尋:LangChain 驅動的雲端架構生成應用

前言 day25我們進行Kendra的創建以及S3文件的同步,我們可以即時的更新RAG資料,得以讓應用程式去搜尋,傳送給LLM得到精準回應,那麼今天就要進行La...

鐵人賽 生成式 AI DAY 25
懶人救星:生成式AI 系列 第 25

技術 Day25-測試你的 RAG Chatbot 到底行不行?幾個評估指標給你答案!

前言✨ LlamaIndex🦙 是一個強大的工具,可用於評估大型語言模型(LLM)的性能。評估和基準測試是 LLM 開發中的關鍵概念。要提高 LLM 應用程序(...

鐵人賽 生成式 AI DAY 25

技術 day25 結合AWS Kendra與RAG的詳細操作:解鎖雲端資料的智慧搜索能力

前言 昨天我們進行AgentBuilder的文件上傳與搜尋測試,那麼今天我們進行AWS Kendra的詳細操作和上傳文件過程解析 正文 S3啟用 參考資料:h...

鐵人賽 生成式 AI DAY 24
懶人救星:生成式AI 系列 第 24

技術 Day24-Text to SQL 的改進方法: DAIL-SQL 心得

前言✨ 在當前數位時代中,資料庫查詢已成為許多行業的核心任務,然而對於不具備 SQL 語法知識的人來說,查詢資料庫仍是一大挑戰。隨著生成式 AI 模型的進步,語...

鐵人賽 生成式 AI DAY 24

技術 day24 探索 GCP Agent Builder Search:實現文件上傳與搜尋測試的智能搜尋體驗

前言 day22、23介紹各種雲端搜尋服務,今天我們正式的會去操作 AgentBuilder做為示範,用於之後串接我們的生成架構圖系統,會選擇AgentBuil...

鐵人賽 生成式 AI DAY 8

技術 Day8 進階Prompt工程策略

大語言模型是由大量的資料訓練而成,但並非所有事情語言模型都能夠精確回答,當語言模型遇到不理解或不清楚的問題時,模型沒有資料可以進行回覆便有可能會「一本正經胡說八...

鐵人賽 生成式 AI DAY 23

技術 day23 RAG與雲端非向量搜尋服務:AWS Kendra與GCP AgentBuilder初探

前言 昨天我們介紹了AWS Bedrock Knowledge Bases和Azrue AI Search,這些都有提供將文件轉乘向量的功能,但是其實也有不轉成...

鐵人賽 生成式 AI DAY 10

技術 Day 10 - RAG 程式碼實作

每天的專案會同步到 GitLab 上,可以前往 GitLab 查看。有興趣的朋友歡迎留言 or 來信討論,我的信箱是 nickchen1998@gmail.co...

鐵人賽 生成式 AI DAY 9

技術 Day 09 - RAG 介紹

每天的專案會同步到 GitLab 上,可以前往 GitLab 查看。有興趣的朋友歡迎留言 or 來信討論,我的信箱是 nickchen1998@gmail.co...

鐵人賽 生成式 AI DAY 22

技術 day22 RAG加速資料檢索:雲端資料庫與雲端向量搜尋服務初探

前言 昨天我們進行LangChain結合Diagram as Code RAG生成雲端架構圖的初步展示,但對於文件管理來說,要在本地端管理越來越多的文件,實在難...

鐵人賽 生成式 AI DAY 23
懶人救星:生成式AI 系列 第 23

技術 Day23-Text to SQL 的改進方法: DIN-SQL 心得

前言✨ 隨著大數據時代的來臨,SQL Query 成為了各行各業不可或缺的必備技能。然而對於不熟悉 SQL 語法的使用者而言,將自然語言問題轉換為複雜的 SQL...

鐵人賽 生成式 AI DAY 22
懶人救星:生成式AI 系列 第 22

技術 Day22-LlamaIndex 黑科技圖解:讓你在無 SQL 技能下秒變查詢達人!

前言✨ 先前我們介紹了文檔檢索、查詢和聊天等功能。現今隨著企業數據量的激增,企業和組織越來越依賴數據來做出決策。然而許多用戶並不具備 SQL 編寫能力,因此 T...

鐵人賽 生成式 AI DAY 21

技術 day21 LangChain 驅動:引領GenAI雲端架構圖生成展示 Diagram as Code 與 RAG 技術融合

前言 day19、day20我們獲取了我們資料的來源,並且儲存成txt檔案,那麼接下來我們會運用這些外部資料源來進行LLM的提示工程RAG,再配合LnagCha...

鐵人賽 生成式 AI DAY 21
懶人救星:生成式AI 系列 第 21

技術 Day21-揭秘 LlamaIndex:用圖解帶你搞懂複雜查詢與對話引擎!

前言✨ 在 LlamaIndex🦙 框架中,提供了豐富的 Query 與 Chat Engine 功能,使得我們能更靈活地處理資料的檢索和互動。透過這些引擎使用...

鐵人賽 生成式 AI DAY 20

技術 day20 製作給予GenAI的Diagram as Code教科書(二):Node補充資料

前言 昨天我們利用Guides製作教學手冊,使得GenAI懂得如何操作這個函式庫,但是若沒有完整的工具書,也沒辦法發揮出這個工具的強大之處,因此我們這天主要獲取...

鐵人賽 生成式 AI DAY 5

技術 Part1: Azure聊天機器人原理-RAG&LLM

上一篇我們一起看了聊天機器人的文檔餵食秀,今天要來科普兩個聊天機器人相關的專有名詞,RAG和LLM,這兩個縮寫就在我們系列文的主標題中,但到現在還沒好好跟大家解...

鐵人賽 生成式 AI DAY 19

技術 day19 製作給予GenAI的Diagram as Code教科書(一):課本與爬蟲資料標記

前言 在day18我們說明我們的計畫,主要兩部分教科書課本和擴充資料,今天我們會製作課本的內容,主要會將Guide的內容進行整理,並且存成txt檔案。 正文...

鐵人賽 生成式 AI DAY 20
懶人救星:生成式AI 系列 第 20

技術 Day20-RAG大秘密揭露!資料檢索其實可以這麼高效

前言✨ LlamaIndex Querying 功能為用戶提供了一個強大的數據檢索工具。這項功能使用戶能夠以簡單而直觀的方式查詢資料,無論是尋求具體答案還是進行...

鐵人賽 生成式 AI DAY 19
懶人救星:生成式AI 系列 第 19

技術 Day19-從零開始:如何透過LlamaIndex儲存Index、Documents、Vector?

前言✨ 在先前的文章已經介紹了如何創建 Documents、Index 等方法,今天要介紹如何將結果儲存起來,這樣就不需要每次都重新訓練了。 LlamaInde...

鐵人賽 生成式 AI DAY 18

技術 day18 Diagram as Code 創建RAG資料庫計畫:製作給予GenAI的教科書

前言 day16、17我們快速的介紹Diagram as Code函式庫的API,並且介紹常見的幾個元件以及可以客製化的屬性,現在我們打算將此函式庫的API以及...

鐵人賽 生成式 AI DAY 18
懶人救星:生成式AI 系列 第 18

技術 Day18-從零開始:如何透過LlamaIndex建立Indexing?

前言✨ 在 LlamaIndex🦙 中,Indexing 模組是一個關鍵的組件,負責組織和存儲來自不同數據來源的資訊,以便更有效地進行檢索。這個模組的核心是節點...

鐵人賽 生成式 AI DAY 17

技術 day17 Diagram as Code API (二) : Cluster & Edge

前言 昨天我們進行了diagram 和node的介紹,今天我們簡單快速的介紹Cluster以及Edge 正文 Cluster 參考資料:https://d...

鐵人賽 生成式 AI DAY 16

技術 day16 Diagram as Code API (一) : 圖表與節點

前言 昨天介紹了三個架構圖的繪圖工具,那麼今天我們會開始介紹 Diagram as Code 這個函式庫的內容 正文 安裝 首先先從安裝開始 pip i...

鐵人賽 生成式 AI DAY 15

技術 day15 繪製架構圖工具介紹:Plant UML、Diagram as Code 、Eraser

前言 之前我們介紹RAG,以及RAG各個資料源,甚至我們應用RAG製作一個文件分析器, day15,我們會開始製作我們的RAG資料源,首先我們先進行繪製架構圖函...

鐵人賽 生成式 AI DAY 17
懶人救星:生成式AI 系列 第 17

技術 Day17-從零開始:如何透過LlamaIndex串接Embedding Model?

前言✨ Embedding、Embedding、Embedding 到底什麼是 Embedding? 你是否曾經想過,當你在網路上搜尋一些資訊時,背後的運作原理...