iT邦幫忙

rag相關文章
共有 60 則文章
鐵人賽 生成式 AI DAY 26

達標好文 技術 【Day 26】- Ollama: 革命性工具讓本地 AI 開發觸手可及 - 從安裝到進階應用的完整指南

摘要這篇文章是一篇關於 Ollama 的詳細指南,介紹了 Ollama 這個開源本地大型語言模型運行框架。文章首先介紹了 Ollama 的背景、特性和優點,強...

鐵人賽 AI & Data DAY 10

技術 生成式A.I.(AIGC)從0開始 - RAG 檢索增強生成介紹

今天來介紹RAG (Retrieval Augmented Generation),最早是由Meta發布https://ai.meta.com/blog/ret...

鐵人賽 生成式 AI DAY 24

技術 【Day 24】- GraphRAG:革新檢索增強生成的新範式

摘要這篇文章介紹了一種名為 GraphRAG 的新型檢索增強生成技術,它由微軟研究團隊提出,旨在突破傳統 RAG 方法在處理複雜資訊時的局限性。GraphRA...

技術 Groq + Llama 3.1 + SerpApi 免費仔光速打造簡易 RAG 系統

Groq 是一家美國的人工智慧公司,專注於硬體推論加速器的開發,近期以 LPU (Language Process Unit) 聞名。LPU 就跟 CPU 或...

技術 20秒生成簡報 AI 看圖做中文簡報 看圖說故事 論壇貼文找AI圖文 Ollama RAG

看圖說故事可以下載了簡報在側邊欄顯示(初版)一次到位完成加 logo 圖及日期醫療增強形索引(Ollama RAG):問多次亦可產出多張slide中文簡報醫療增...

鐵人賽 生成式 AI DAY 21

技術 【Day 21】- 從基礎到進階: 掌握RAG基礎並使用LangGraph實現Agentic RAG

摘要這篇文章探討了檢索增強生成 (Retrieval-Augmented Generation, RAG) 技術,它結合了資訊檢索和文本生成,以克服現有大型語...

鐵人賽 生成式 AI DAY 23

技術 【Day 23】- Adaptive-RAG:動態檢索策略提高系統問答精準度

摘要這篇文件介紹了一種名為「Adaptive-RAG」的技術,它旨在提升問答系統的準確性和效率。Adaptive-RAG 的核心概念是根據使用者查詢的複雜度動...

鐵人賽 生成式 AI DAY 22

技術 【Day 22】- CRAG: 檢索增強生成的糾錯機制 - 提升大型語言模型問答精確度

摘要這篇文章介紹了一種名為「Corrective RAG (CRAG)」的技術,旨在提升大型語言模型(LLM)在問答系統中的準確性和可靠性。CRAG 的核心思...

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 25

技術 【Day 25】- 數位轉型下的工安革命:知識圖譜與LangGraph的完美結合

摘要這篇文章深入探討了如何將知識圖譜與 LangGraph 結合,打造一個智慧化的工安監控管理系統。文章首先介紹了知識圖譜在管理工安資料的優勢,包括儲存結構化...

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 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 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 11
懶人救星:生成式AI 系列 第 11

技術 Day11-打破語言模型的極限!RAG 技術如何讓 GPT 更聰明?

What is RAG (Retrieval-Augmented Generation)? RAG(檢索增強生成)是一種將預訓練(Pre-training)的大...

鐵人賽 AI & Data DAY 9

技術 生成式A.I.(AIGC)從0開始 - 一個ChatGPT like 客製化聊天機器人 (1) 簡介

今天來說說最常見可能也是大家最熟悉的聊天機器人可能在腦袋裡都會有個想法,要是有懂我的聊天機器人該有多好可以問他各種問題,不會被資料侷限擴充更多資料,回答更多問題...

鐵人賽 生成式 AI DAY 15
懶人救星:生成式AI 系列 第 15

技術 Day15-從零開始:如何透過LlamaIndex讀取檔案(下)?

LlamaParse📄 LlamaParse 是LlamaIndex所開發的另一項服務,主要用於處理/解析文本數據,並提供OCR、輸出格式轉換(Markdown...

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 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 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 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 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 14

技術 day14 chatDocument 文件分析器(二):混合資料格式解析!完全版chatDocument接受多檔案多來源的文件分析器

前言 昨天我們利用streamlit快速建構出csv檔案的智能文件分析器,今天我們將文件分析器利用自定義的Loader擴充py、text、pdf等資料格式,甚至...

鐵人賽 生成式 AI DAY 13
懶人救星:生成式AI 系列 第 13

技術 Day13-LlamaIndex 🦙全解析:從資料讀取到多輪對話,一網打盡!

LlamaIndex🦙 今天的主題是 LlamaIndex 的主要功能介紹, LlamaIndex 集成了 Chatbot 中的大部分應用,從QA、多輪對話到...

鐵人賽 生成式 AI DAY 12

技術 day12 讓PDF 成為 AI 腦袋的一部分:自製簡易ChatPDF前置作業

前言 我們已經介紹HTML、csv、txt、py檔案作為外部資料源,使得LLM可以得到額外的資訊,並且獲得更為精準的回應,那麼我們要介紹最後一個常見的外部資料源...

鐵人賽 生成式 AI DAY 13

技術 day13 chatDocument 文件分析器(一):智能CSV分析與StreamLit前端介面

前言 前幾天我們利用外部資料的力量,來提示LLM,並且使得LLM得到更多內容的提示生成精確的回覆,那麼今天我們打算製作一個可以讓使用者自由選擇檔案的UI介面,並...

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 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 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 16
懶人救星:生成式AI 系列 第 16

技術 Day16-從零開始:如何透過LlamaIndex串接LLM Model?

前言 隨著大型語言模型(LLM)的快速發展,如何快速地將模型串接整合,成為了許多開發者面臨的挑戰。LlamaIndex 作為一個資料框架,提供了多種 LLM 接...

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...