互联网 类型
可以朗读 语音朗读
124千字 字数
No.81 科学技术
2025-04-01 发行日期
展开全部

主编推荐语

系统介绍检索增强生成（RAG）技术的核心概念、开发流程和实际应用。

内容简介

本书共分为11章，第1～3章详细介绍RAG开发的基础，包括环境搭建、常用工具和模块，帮助读者从零开始理解RAG系统的工作原理与开发技巧；

第4～8章聚焦RAG系统的具体搭建，从向量数据库的创建、文本的向量化，到如何构建高效的检索增强模型，为开发RAG应用奠定基础；

第9～11章通过实际案例，包括企业文档问答系统、医疗文献检索系统和法律法规查询助手的实际开发，帮助读者在特定领域深入理解和应用RAG技术。

目录

  • 版权信息
  • 作者简介
  • 内容简介
  • 前言
  • 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
展开全部

评分及书评

尚无评分
目前还没人评分

出版方

清华大学出版社

清华大学出版社成立于1980年6月，是由教育部主管、清华大学主办的综合出版单位。植根于“清华”这座久负盛名的高等学府，秉承清华人“自强不息，厚德载物”的人文精神，清华大学出版社在短短二十多年的时间里，迅速成长起来。清华大学出版社始终坚持弘扬科技文化产业、服务科教兴国战略的出版方向，把出版高等学校教学用书和科技图书作为主要任务，并为促进学术交流、繁荣出版事业设立了多项出版基金，逐渐形成了以出版高水平的教材和学术专著为主的鲜明特色，在教育出版领域树立了强势品牌。