ما در آیتی هلو از شهریور ۱۴۰۲ کارمون رو با عشق به کتاب و یادگیری شروع کردیم. تخصص ما چاپ کتابهای تخصصی به زبان اصلیه و با استفاده از تکنولوژیهای روز و مواد اولیه باکیفیت، مطمئن میشیم که هر کتاب از نظر ظاهر و محتوا در بهترین سطح قرار بگیره.
هدفمون اینه که دسترسی به منابع علمی و آموزشی معتبر رو برای همه سادهتر کنیم و در این مسیر، همراه و همکار خوبی برای شما باشیم.
A practical guide to RAG pipelines, agentic workflows, and production Al deployment
در ابتدای ظهور تولید مبتنی بر بازیابی (RAG)، این فناوری تنها روشی ساده برای جبران محدودیتهای مدلهای زبانی بزرگ و وصلهکردن دانش بیرونی به آنها به نظر میرسید. اما امروز، RAG به بخشی از یک نظام بسیار جامعتر به نام مهندسی زمینه (Context Engineering) تبدیل شده است؛ علمی که وظیفه دارد دقیقترین اطلاعات را در مناسبترین زمان ممکن در اختیار مدلهای هوشمند قرار دهد. همزمان با رشد چشمگیر پنجره زمینه مدلها، پشتیبانی بومی از دادههای چندرسانهای و ظهور معماریهای عاملمحور (Agentic Architectures)، فریمورک لاماایندکس (LlamaIndex) نیز از یک ابزار ساده بازیابی به یک زیرساخت کامل اسناد برای خودکارسازی فرآیندهای تجاری تبدیل شده است. این اثر ارزشمند به عنوان مرجع نسخه دوم، تمامی لایههای توسعه، از پایهایترین مفاهیم تا پیشرفتهترین الگوهای عملیاتی را آموزش میدهد.
تمرکز اصلی این مرجع بر ارائهی یک پروژه عملیاتی تدریجی به نام «بررسی هوشمند قراردادها» است. شما در طول فصلهای کتاب نه تنها نحوه جمعآوری، نمایهسازی و پرسوجو را یاد میگیرید، بلکه با مدیریت گردشکارهای چندمرحلهای، طراحی عاملهای هوشمند استدلالگر، ارزیابی RAG بر اساس سناریوهای واقعی و بهینهسازی هزینهها بهطور کامل آشنا خواهید شد.
این کتاب برای توسعهدهندگان در تمامی سطوح طراحی شده است تا بتوانند پتانسیل واقعی مدلهای زبانی را در پروژههای خود آزاد کنند. توسعهدهندگان مبتدی با نحوه ساخت برنامههای هوشمند از صفر آشنا میشوند و برنامهنویسان ارشد میتوانند دانش خود را در زمینه معماریهای عاملمحور، مشاهدهپذیری، ارزیابی سیستم و استفاده از پلتفرمهای سازمانی مانند LlamaParse ارتقا دهند.
تمامی پروژهها و نمونهکدهای این کتاب به گونهای طراحی شدهاند که با ابزارهای بومی مانند Ollama روی رایانه شخصی اجرا شوند؛ بنابراین نیازی به پرداخت هزینه APIهای ابری یا نگرانی درباره حریم خصوصی و خروج دادههای حساس وجود ندارد.
در بخشهای ابتدایی، اتصال به منابع داده از طریق ، ، ، و بررسی میشود. سپس ، و به صورت جامع آموزش داده میشوند.
کلمات کلیدی:شما یاد میگیرید چگونه پاسخهای خروجی را پردازش کنید، ساختارهای دادهای مشخص استخراج نمایید و با استفاده از گردشکارهای لاماایندکس (LlamaIndex Workflows) فرآیندهای پیچیده چندمرحلهای بسازید. علاوه بر این، ساخت عاملهای هوشمند با قابلیت تصمیمگیری، استدلال و استفاده از ابزارهای متعدد به صورت عملی پیادهسازی میشود.
یکی از مهمترین بخشهای این راهنما، ارزیابی واقعی کارایی سیستم RAG است. شما با معیارهای سنجش کیفیت، ابزارهای ردگیری رفتار مدل، مهندسی پرامپت اختصاصی، اجرای بومی با Ollama و LM Studio و در نهایت استقرار برنامه کاربردی در بستر وب آشنا خواهید شد.
فصل اول: درک مدلهای زبانی بزرگ؛ معرفی مبانی هوش مصنوعی مولد، بررسی توانمندیها و چالشهایی مانند توهم مدلها و معرفی اولیه RAG.
فصل دوم: معرفی اکوسیستم لاماایندکس؛ بررسی ساختار کلی فریمورک، آمادهسازی محیط توسعه و معرفی پروژه عملی بررسی هوشمند قراردادها.
فصل سوم: شروع کار با لاماایندکس؛ آموزش اجزای اصلی RAG شامل اسناد، گرهها، نمایه و موتورهای پرسوجو به همراه ساخت اولین بخش از پروژه عملی.
فصل چهارم: ورود دادهها به گردشکار RAG؛ استفاده از رابطهای LlamaHub، تجزیه اسناد، مدیریت فرادادهها، ارزیابی هزینهها و حفظ امنیت دادهها.
فصل پنجم: نمایهسازی با لاماایندکس؛ تحلیل عمیق انواع نمایه، بردارها، ذخیرهسازهای برداری، جستجوی شباهت و نمایهسازی لایهای.
فصل ششم: پرسوجوی دادهها؛ بخش اول: بازیابی زمینه؛ بررسی بازیابی ناهمگام، فیلترهای فراداده، مسیریابی درخواستها و بازیابی متراکم و پراکنده.
فصل هفتم: پرسوجوی دادهها؛ بخش دوم: پسپردازش و ترکیب پاسخ؛ آموزش پسپردازش گرهها، تولید خروجیهای ساختاریافته، تجزیه پاسخها و ساخت موتورهای پرسوجو.
فصل هشتم: ساخت برنامههای سریعتر و هوشمندتر با گردشکارها؛ مدیریت فرآیندهای چندمرحلهای، الگوی تعامل با انسان و طراحی معماری گردشکارهای بهینه.
فصل نهم: درک معماریهای پایه عاملهای هوشمند؛ بررسی حالتهای مختلف موتور گفتگو، ساخت عاملهای هوشمند استدلالگر و مدیریت ابزارها.
فصل دهم: کاوش در سناریوهای پیشرفته عاملمحور؛ مدیریت تعداد زیادی از ابزارها، بازیابی ابزارها، نمایهسازی عاملها و ارکستراسیون سیستمهای چندعاملی.
فصل یازدهم: سفارشیسازی و استقرار پروژه؛ اجرای بومی برنامهها با Ollama و LM Studio، استفاده از مدلهای متنباز و استقرار برنامه با Streamlit.
فصل دوازدهم: بهینهسازی RAG؛ مشاهدهپذیری و ارزیابی؛ ردگیری گردشکارها، سنجش کارایی سیستم با معیارهای علمی و ساخت خطلوله ارزیابی.
فصل سیزدهم: اصول و بهترین تجربیات مهندسی پرامپت؛ سفارشیسازی پرامپتهای پیشفرض، قواعد طلایی تنظیم پرامپت و بهینهسازی هزینههای پردازش.
فصل چهاردهم: ورود به سطح سازمانی با LlamaParse؛ آشنایی با پلتفرم پردازش اسناد LlamaParse، استخراج پیشرفته دادهها و جایگزینهای متنباز.
فصل پانزدهم: جمعبندی و منابع تکمیلی؛ مرور مسیر طیشده، بررسی آینده RAG، قوانین و مقررات هوش مصنوعی و اثرات اجتماعی این فناوری.
اگر میخواهید فراتر از فراخوانیهای ساده API حرکت کرده و برنامههای کاربردی هوشمند، پایدار و مبتنی بر اسناد واقعی بسازید، این اثر کاملترین نقشهراه شماست. تسلط بر فریمورک LlamaIndex و درک دقیق الگوهای RAG و عاملهای هوشمند به شما این امکان را میدهد که چالشهای دنیای واقعی مانند امنیت داده، تاخیر، هزینه و دقت خروجیها را به بهترین شکل ممکن مدیریت کنید.
ارائه مطالب در قالب یک جلد کتاب فیزیکی با کیفیت چاپ بالا و صحافی مقاوم، مطالعه و مرور کدهای پروژه را هنگام تمرین با رایانه بسیار راحت میکند. یادداشتبرداری در حواشی صفحات، دسترسی سریع به کدهای نمونه و بررسی راحتتر نمودارهای معماری RAG از ویژگیهای ارزشمند داشتن نسخه چاپی این اثر در کتابخانه کاری شماست.
نمونه چاپ کتاب موجود نیست.
نظرات کاربران (0)