大模型实战：从零实现RAG与Agent系统

封面

版权信息

版权

内容提要

前言

资源与支持

第1章 解构RAG

1.1 LLM应用概述

1.2 引入RAG

1.3 RAG的技术体系

本章小结

第2章 使用LlamaIndex实现RAG

2.1 LlamaIndex概述

2.2 提示词

2.3 文档与索引

2.4 上下文检索

2.5 响应结果处理

2.6 构建查询引擎

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

3.2 实现文档处理与聊天引擎

3.3 基于Streamlit运行RAG应用

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

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

5.3 LlamaIndex数据库检索技术

5.4 实现高阶版数据库检索器

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

6.2 LlamaIndex图处理技术

6.3 知识图谱系统实现

6.4 实现RAG的可观测性

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

7.3 基于工作流实现自定义ReActAgent

7.4 基于工作流实现CRAG

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

8.3 多Agent文档处理系统实现

8.4 多Agent智能客服助手实现