展开全部

主编推荐语

深入浅出阐释RAG,梳理RAG应用的系统架构和实现过程。

内容简介

本书深入探讨了RAG技术体系及其应用,内容涉及从基础概念到高级应用的各个方面。

首先,解构了大模型应用的基本模式与局限性,并引入RAG作为增强生成能力的一种方法,讲解了RAG的核心概念、组成结构及应用场景,还涵盖了RAG的基础、高级、模块化和智能体形式的技术体系。

其次,以LlamaIndex为工具,展示了如何实现RAG,包括提示词设计、文档与索引创建、上下文检索及查询引擎构建等具体步骤。

最后,介绍了基于RAG构建文档聊天助手、多模态内容解析器、数据库检索器、知识图谱系统、工作流引擎及多Agent系统的实践案例,每个案例均包含技术细节与实现效果演示。

目录

  • 版权信息
  • 内容提要
  • 前言
  • 资源与支持
  • 第1章 解构RAG
  • 1.1 LLM应用概述
  • 1.1.1 LLM应用的基本模式
  • 1.1.2 LLM应用的局限性
  • 1.2 引入RAG
  • 1.2.1 RAG核心概念
  • 1.2.2 RAG的组成结构
  • 1.2.3 RAG的应用场景
  • 1.3 RAG的技术体系
  • 1.3.1 基础RAG
  • 1.3.2 高级RAG
  • 1.3.3 模块化RAG
  • 1.3.4 智能体RAG
  • 本章小结
  • 第2章 使用LlamaIndex实现RAG
  • 2.1 LlamaIndex概述
  • 2.1.1 LlamaIndex的工作流程
  • 2.1.2 LlamaIndex RAG技术组件
  • 2.2 提示词
  • 2.2.1 提示词结构
  • 2.2.2 提示词模板
  • 2.2.3 定制化提示词
  • 2.3 文档与索引
  • 2.3.1 文档加载和解析
  • 2.3.2 索引创建和管理
  • 2.4 上下文检索
  • 2.4.1 创建多样化检索器
  • 2.4.2 构建高级检索机制
  • 2.5 响应结果处理
  • 2.5.1 后处理器
  • 2.5.2 响应整合器
  • 2.6 构建查询引擎
  • 2.6.1 查询引擎的基础用法
  • 2.6.2 查询引擎的高级用法
  • 本章小结
  • 第3章 使用RAG构建文档聊天助手
  • 3.1 文档RAG工作机制
  • 3.1.1 初始化OpenAI模型
  • 3.1.2 OpenAI模型的功能特性
  • 3.1.3 OpenAI消息类型
  • 3.2 实现文档处理与聊天引擎
  • 3.2.1 使用DirectoryReader读取文档
  • 3.2.2 基于VectorStoreIndex构建索引
  • 3.2.3 实现聊天引擎
  • 3.3 基于Streamlit运行RAG应用
  • 3.3.1 使用Streamlit构建可视化系统
  • 3.3.2 整合Streamlit与文档聊天助手
  • 3.3.3 执行效果演示
  • 本章小结
  • 第4章 使用RAG实现多模态内容解析器
  • 4.1 引入多模态RAG
  • 4.2 LlamaIndex多模态技术
  • 4.3 实现图像解析与存储
  • 4.3.1 处理图像文件
  • 4.3.2 执行图像解析
  • 4.3.3 集成图像持久化
  • 4.3.4 执行效果演示
  • 本章小结
  • 第5章 使用RAG实现数据库检索器
  • 5.1 使用非结构化数据访问RAG
  • 5.2 实现基础版数据库检索器
  • 5.2.1 创建SQLDatabase
  • 5.2.2 创建NLSQLTableQueryEngine实例
  • 5.3 LlamaIndex数据库检索技术
  • 5.4 实现高阶版数据库检索器
  • 5.4.1 整合向量存储和检索
  • 5.4.2 实现SQLAutoVector检索
  • 5.4.3 实现SQL Join检索
  • 本章小结
  • 第6章 使用RAG搭建知识图谱系统
  • 6.1 知识图谱与GraphRAG
  • 6.1.1 知识图谱技术
  • 6.1.2 GraphRAG基本结构
  • 6.2 LlamaIndex图处理技术
  • 6.2.1 使用属性图构建知识图谱
  • 6.2.2 图数据库集成
  • 6.3 知识图谱系统实现
  • 6.3.1 使用GraphExtractor构建图结构
  • 6.3.2 构建PropertyGraphIndex
  • 6.3.3 创建Retriever和QueryEngine
  • 6.3.4 集成图数据库
  • 6.4 实现RAG的可观测性
  • 6.4.1 链路追踪基本原理
  • 6.4.2 基于Phoenix追踪RAG
  • 本章小结
  • 第7章 使用RAG集成工作流引擎
  • 7.1 工作流RAG场景分析
  • 7.2 LlamaIndex的工作流组件
  • 7.2.1 LlamaIndex工作流核心概念
  • 7.2.2 LlamaIndex工作流开发模式
  • 7.2.3 LlamaIndex工作流功能特性
  • 7.2.4 LlamaIndex查询管道机制
  • 7.3 基于工作流实现自定义ReActAgent
  • 7.3.1 ReAct工作流设计
  • 7.3.2 ReAct工作流实现步骤
  • 7.3.3 执行效果演示
  • 7.4 基于工作流实现CRAG
  • 7.4.1 CRAG基本概念
  • 7.4.2 CRAG实现步骤
  • 7.4.3 执行效果演示
  • 本章小结
  • 第8章 使用RAG构建多Agent系统
  • 8.1 多Agent系统场景分析与设计
  • 8.2 LlamaIndex Agent技术详解
  • 8.2.1 理解Agent机制
  • 8.2.2 LlamaIndex Agent组件
  • 8.3 多Agent文档处理系统实现
  • 8.3.1 实现两层文档处理Agent
  • 8.3.2 执行效果演示
  • 8.4 多Agent智能客服助手实现
  • 8.4.1 业务分析和系统设计
  • 8.4.2 实现协调类Agent
  • 8.4.3 实现任务类Agent
  • 8.4.4 执行效果演示
  • 本章小结
展开全部

评分及书评

尚无评分
目前还没人评分

出版方

人民邮电出版社

人民邮电出版社是工业和信息化部主管的大型专业出版社,成立于1953年10月1日。人民邮电出版社坚持“立足信息产业、面向现代社会、传播科学知识、服务科教兴国”,致力于通信、计算机、电子技术、教材、少儿、经管、摄影、集邮、旅游、心理学等领域的专业图书出版。