結合架構思維與實務
帶你從 0 到 1 完整理解如何實作 AI Agents 專案
本書著重於「流程與架構」,提供一套通用的邏輯與方法,協助個人或企業依照自身需求將生成式 AI 技術實際應用於專案中。本書涵蓋生成式 AI 應用的兩大面向:生成式 AI 模型和檢索增強生成(RAG),內容包含大型語言模型(LLM)、模型選擇、部署、RAG 技術到 AI Agent 整合的完整流程,並深入淺出地講解生成式 AI 的核心概念和實務技巧,讓讀者能夠快速上手,將生成式 AI 技術應用於各種實際場景。
重點內容
｜生成式 AI 基礎與模型選擇｜
。生成式 AI 的基本概念與介紹
。大型語言模型(LLM)的介紹與使用方法(閉源與開源)
。評估模型能力,並建立可用的 AI 服務
｜LLMOps 與模型部署｜
。DevOps 與 MLOps 簡介
。LLMOps-LLM for DevOps 方法與流程
。透過 DevOps 進行生成式 AI 專案的流程再造
｜檢索增強生成(RAG)技術｜
。RAG 的概念與運作方式,結合檢索與生成提升 AI 準確度
。知識庫管理:如何建立、維護與擴充向量資料庫
。核心技術解析:Embedding Vector、Chunking、Metadata
｜進階 RAG 服務與系統架構｜
。RAG 服務架構與系統建置
。RAG 優化方法:GraphRAG、CAG 等進階技術
。如何衡量 RAG 模型的準確性與效能
｜AI Agent 的整合與應用｜
。AI Agent 的概念與架構
。AI Agent 工作流程(Agentic AI Workflow)
。RAG-base AI Agent 的應用場景
目標讀者
人工智慧技術相關領域的專業人士,包括研究人員、開發人員、工程師、專案管理者等,以及對生成式 AI 與 RAG 技術有興趣的讀者。
本書特色
❏ 基本概念與實務應用
介紹生成式 AI 的基礎知識、大型語言模型、模型服務上線,以及 DevOps 和 MLOps 實務。
❏ RAG 技術深度解析與應用
深入探討檢索增強生成(RAG)技術,包括知識庫建置、進階檢索方法,以及與 AI Agent 的整合應用。
❏ 導入策略與未來展望
分析生成式 AI 技術的導入方法、模型與系統評估,以及未來發展方向。
專業推薦
生成式 AI 的革命性,在於它徹底民主化了創作過程,將門檻降至近乎零的程度。然而,這種便利性也帶來了挑戰,我們比以往任何時候都更需要一套系統化的架構思維,將雜訊轉化為有序,實現戰略性的技術整合與部署。本書正是這樣一本架構思維與技術實踐的結合。它不滿足於表層的模型能力描述,也不局限於單一工具的操作教程,而是採取系統構建者的全局視角,為讀者提供一條從概念到落地、從選型到部署的完整實踐路徑。我由衷推薦這本書,給每一位期待在生成式 AI 領域真正落地應用、創造實質價值的實踐者。──── 蔡明順｜台灣人工智慧學校 校務長
本書選擇站在「實務導入者」的角度出發,從模型挑選、部署流程、RAG 架構、再到 AI Agent 整合,完整構建了一套系統化的落地指南。尤其是面對 LLMOps 這一相對新興且技術門檻高的領域,作者所提出的實作脈絡與技術選型依據,對於企業內部推動專案的工程師、技術主管與產品團隊,都極具參考價值。──── 盧建成 Augustin｜靖本行策有限公司創辦人暨台灣軟體工程學會理事
本書不僅僅是一本技術指南,更是一部企業數位轉型與創新應用的藍圖。面對市場上日益激烈的競爭,企業必須更敏銳地掌握生成式 AI 的技術趨勢,以創新的應用模式創造出差異化價值。這不僅是技術人的使命,也是企業領導者應該把握的策略契機。透過本書的學習,讀者將能夠清楚理解如何在選擇模型、技術整合與專案部署之間取得平衡,進而在數位轉型浪潮中立於不敗之地。──── 吳柏翰 Jerry Wu｜APMIC 創辦人暨執行長、Google Developer Expert-AI Role
帶你從 0 到 1 完整理解如何實作 AI Agents 專案
本書著重於「流程與架構」,提供一套通用的邏輯與方法,協助個人或企業依照自身需求將生成式 AI 技術實際應用於專案中。本書涵蓋生成式 AI 應用的兩大面向:生成式 AI 模型和檢索增強生成(RAG),內容包含大型語言模型(LLM)、模型選擇、部署、RAG 技術到 AI Agent 整合的完整流程,並深入淺出地講解生成式 AI 的核心概念和實務技巧,讓讀者能夠快速上手,將生成式 AI 技術應用於各種實際場景。
重點內容
｜生成式 AI 基礎與模型選擇｜
。生成式 AI 的基本概念與介紹
。大型語言模型(LLM)的介紹與使用方法(閉源與開源)
。評估模型能力,並建立可用的 AI 服務
｜LLMOps 與模型部署｜
。DevOps 與 MLOps 簡介
。LLMOps-LLM for DevOps 方法與流程
。透過 DevOps 進行生成式 AI 專案的流程再造
｜檢索增強生成(RAG)技術｜
。RAG 的概念與運作方式,結合檢索與生成提升 AI 準確度
。知識庫管理:如何建立、維護與擴充向量資料庫
。核心技術解析:Embedding Vector、Chunking、Metadata
｜進階 RAG 服務與系統架構｜
。RAG 服務架構與系統建置
。RAG 優化方法:GraphRAG、CAG 等進階技術
。如何衡量 RAG 模型的準確性與效能
｜AI Agent 的整合與應用｜
。AI Agent 的概念與架構
。AI Agent 工作流程(Agentic AI Workflow)
。RAG-base AI Agent 的應用場景
目標讀者
人工智慧技術相關領域的專業人士,包括研究人員、開發人員、工程師、專案管理者等,以及對生成式 AI 與 RAG 技術有興趣的讀者。
本書特色
❏ 基本概念與實務應用
介紹生成式 AI 的基礎知識、大型語言模型、模型服務上線,以及 DevOps 和 MLOps 實務。
❏ RAG 技術深度解析與應用
深入探討檢索增強生成(RAG)技術,包括知識庫建置、進階檢索方法,以及與 AI Agent 的整合應用。
❏ 導入策略與未來展望
分析生成式 AI 技術的導入方法、模型與系統評估,以及未來發展方向。
專業推薦
生成式 AI 的革命性,在於它徹底民主化了創作過程,將門檻降至近乎零的程度。然而,這種便利性也帶來了挑戰,我們比以往任何時候都更需要一套系統化的架構思維,將雜訊轉化為有序,實現戰略性的技術整合與部署。本書正是這樣一本架構思維與技術實踐的結合。它不滿足於表層的模型能力描述,也不局限於單一工具的操作教程,而是採取系統構建者的全局視角,為讀者提供一條從概念到落地、從選型到部署的完整實踐路徑。我由衷推薦這本書,給每一位期待在生成式 AI 領域真正落地應用、創造實質價值的實踐者。──── 蔡明順｜台灣人工智慧學校 校務長
本書選擇站在「實務導入者」的角度出發,從模型挑選、部署流程、RAG 架構、再到 AI Agent 整合,完整構建了一套系統化的落地指南。尤其是面對 LLMOps 這一相對新興且技術門檻高的領域,作者所提出的實作脈絡與技術選型依據,對於企業內部推動專案的工程師、技術主管與產品團隊,都極具參考價值。──── 盧建成 Augustin｜靖本行策有限公司創辦人暨台灣軟體工程學會理事
本書不僅僅是一本技術指南,更是一部企業數位轉型與創新應用的藍圖。面對市場上日益激烈的競爭,企業必須更敏銳地掌握生成式 AI 的技術趨勢,以創新的應用模式創造出差異化價值。這不僅是技術人的使命,也是企業領導者應該把握的策略契機。透過本書的學習,讀者將能夠清楚理解如何在選擇模型、技術整合與專案部署之間取得平衡,進而在數位轉型浪潮中立於不敗之地。──── 吳柏翰 Jerry Wu｜APMIC 創辦人暨執行長、Google Developer Expert-AI Role
