【新书】基于RAG的生成式AI：使用LlamaIndex、Deep Lake和Pinecone构建自定义的检索增强生成管道

书籍简介

最小化AI幻觉，构建准确的自定义生成式AI管道，利用嵌入式向量数据库和集成的人类反馈来实现检索增强生成（RAG） 购买本书的纸质版或Kindle版即包含免费的PDF格式电子书

主要特点

• 实现RAG的可追溯输出，将每个响应与其源文档链接，构建可靠的多模态对话智能体
• 在管道中集成RAG、实时人类反馈改进和知识图谱，交付准确的生成式AI模型
• 在动态检索数据集与微调静态数据之间平衡成本与性能

书籍描述

基于RAG的生成式AI 提供了构建有效的LLM（大语言模型）、计算机视觉和生成式AI系统的路线图，平衡了性能与成本。 本书详细探讨了RAG及其设计、管理和控制多模态AI管道的方式。通过将输出与可追溯的源文档连接，RAG提高了输出的准确性和上下文相关性，提供了一种动态方法来管理大量信息。该书向您展示了如何构建RAG框架，提供有关向量存储、分块、索引和排名的实用知识。您将发现优化项目性能的技巧，并更好地理解您的数据，包括使用自适应RAG和人类反馈来提高检索准确性、平衡RAG与微调、实施动态RAG以增强实时决策以及通过知识图谱可视化复杂数据。 您将接触到诸如LlamaIndex和Deep Lake这样的框架，Pinecone和Chroma等向量数据库，以及Hugging Face和OpenAI的模型。本书结束时，您将掌握实施智能解决方案的技能，使您在从生产到客户服务的各个项目中保持竞争力。

您将学到的内容

• 扩展RAG管道，以高效处理大数据集
• 采用减少幻觉并确保准确响应的技术
• 实施索引技术，通过可追溯和透明的输出提高AI准确性
• 定制和扩展跨领域的RAG驱动生成式AI系统
• 探索如何使用Deep Lake和Pinecone进行高效和快速的数据检索
• 构建以现实世界数据为基础的稳健生成式AI系统
• 将文本和图像数据结合，为AI提供更丰富、更具信息性的响应

适合读者

本书适合数据科学家、AI工程师、机器学习工程师和MLOps工程师。如果您是解决方案架构师、软件开发人员、产品经理或项目经理，想要提升构建RAG应用程序的决策过程，那么本书将对您非常有帮助。

目录

1. 为什么选择检索增强生成（RAG）？
2. 使用Deep Lake和OpenAI嵌入向量存储
3. 使用LlamaIndex、Deep Lake和OpenAI构建基于索引的RAG
4. 无人机技术的多模态模块化RAG
5. 利用专家人类反馈提升RAG性能
6. 使用Pinecone扩展RAG银行客户数据
7. 使用Wikipedia API和LlamaIndex构建可扩展的知识图谱驱动RAG
8. 使用Chroma和Hugging Face Llama进行动态RAG
9. 赋能AI模型：微调RAG数据和人类反馈
10. 使用Pinecone和OpenAI进行视频素材制作的RAG
11. 评审

书评

“本书以实践为导向，提供了从基础概念到复杂实现的清晰路径。它对RAG概念的详细解释和真实世界代码实现使得它对初学者和经验丰富的专业人士都非常可读。 一个显著的亮点是本书对扩展RAG系统的挑战的独特见解，并提供了关于如何管理大数据集、优化查询性能和控制成本的实际指导。此外，关于模块化RAG和微调的章节提供了可操作的策略，这些策略与我在构建基于对话AI和RAG的AI驱动的心理健康管理应用中的经验高度契合。书中对人类反馈的重视也非常重要，它展示了专家输入如何优化数据，增强AI响应的可靠性，使AI输出与人类价值对齐。 本书对性能优化的见解以及人类反馈的集成使它在该领域成为一个突出的资源。” —— Harsha Srivatsa，Stealth AI创始人兼AI产品负责人，前Apple和Accenture员工 “本书提供了一个极为全面的深入探讨，涵盖了从多模态数据类型和各种RAG架构到像评估、知识图谱以及人类反馈微调等高级话题。 真正值得称道的是，Rothman能够无缝地解释复杂的概念，使得材料对各个层次的读者都既可读又富有洞察力。无论您是想构建端到端的RAG解决方案，还是只是想增强对前沿AI系统的理解，本书都将通过其全面且实用的内容深化您的知识，并涵盖多个不同的应用场景。” —— Surnjani Djoko，博士，SVP，专门从事ML/AI的领导者，USPBA创新实验室负责人

作者简介

Denis Rothman毕业于索邦大学和巴黎第七大学，在学生时期，他编写并注册了早期的word2vector嵌入和word piece标记化解决方案的专利。他创办了一家公司，专注于部署AI，并成为了第一批AI认知NLP聊天机器人之一的作者，该聊天机器人被用作Moët et Chandon（LVMH的一部分）等语言教学工具。Denis迅速成为了解释性AI的专家，将可解释、基于接受的数据和接口整合进实施的解决方案中，涵盖了航空航天、服装和供应链等重要企业项目。他的核心信念是，只有当你教会别人如何做某件事时，你才能真正理解它。