RAG錦囊妙計:使用Python｜從資料預處理到LLM Agents的實用訣竅
作者：
Dominik Polzer
出版社：歐萊禮
出版日期：2026-08-26
語言：中文
ISBN：9786264254045
裝訂：平裝
定價：800 元
在各大企業爭相挖掘大型語言模型(LLM)的潛力之際,有一個關鍵難題也開始浮現:如何將這些工具接到即時的外部資料,進而解決實際的問題？
檢索增強生成(RAG)就是這個難題的解方。RAG 結合 LLM 與資訊檢索技術,可讓你打造各式應用,包括聰明的聊天機器人,乃至於自動執行任務的智慧 agent。
本書收錄超過 70 個實戰訣竅,帶你透過結構化的實際練習,一一克服生成式 AI 的應用場景。作者 Dominik Polzer 將提供所有工具,協助你為特定的業務需求設計、部署、優化 RAG 系統。無論是處理基本的資料檢索,還是開發尖端的自主代理,這本書都能讓你站在技術最前線。
• 掌握 RAG 的核心元件,包括 embedding、檢索、生成…等關鍵技術。
• 運用進階工作流程,包括語意感知分段(semantic-aware chunking)與多查詢句提示(Multiquery prompting)。
• 為特定資料需求打造自己的解決方案,例如聊天機器人與自主 agent。
• 持續評估與優化系統,以提升準確性、相關性與效能。
檢索增強生成(RAG)就是這個難題的解方。RAG 結合 LLM 與資訊檢索技術,可讓你打造各式應用,包括聰明的聊天機器人,乃至於自動執行任務的智慧 agent。
本書收錄超過 70 個實戰訣竅,帶你透過結構化的實際練習,一一克服生成式 AI 的應用場景。作者 Dominik Polzer 將提供所有工具,協助你為特定的業務需求設計、部署、優化 RAG 系統。無論是處理基本的資料檢索,還是開發尖端的自主代理,這本書都能讓你站在技術最前線。
• 掌握 RAG 的核心元件,包括 embedding、檢索、生成…等關鍵技術。
• 運用進階工作流程,包括語意感知分段(semantic-aware chunking)與多查詢句提示(Multiquery prompting)。
• 為特定資料需求打造自己的解決方案,例如聊天機器人與自主 agent。
• 持續評估與優化系統,以提升準確性、相關性與效能。
