کتاب A Simple Guide to Retrieval Augmented Generation

راهنمای ساده تولید تقویت‌شده با بازیابی (RAG): همه‌چیز درباره RAG

آشنایی با تولید تقویت‌شده با بازیابی (RAG)

کتاب راهنمای ساده تولید تقویت‌شده با بازیابی، نوشته ابیناو کیموتی، مقدمه‌ای جامع و قابل‌فهم برای یادگیری و پیاده‌سازی تولید تقویت‌شده با بازیابی (RAG) ارائه می‌دهد. این کتاب با زبانی ساده و مثال‌های عملی پایتون، شما را از مفاهیم پایه تا استراتژی‌های پیشرفته RAG هدایت می‌کند. RAG به مدل‌های زبانی بزرگ (LLM) امکان می‌دهد تا با استفاده از پایگاه دانش خارجی، پاسخ‌هایی دقیق‌تر و به‌روزتر درباره اطلاعات اختصاصی، اخبار اخیر و حتی مکالمات زنده ارائه دهند.

چرا این کتاب را بخوانید؟

مدل‌های زبانی بزرگ به تنهایی نمی‌توانند به سؤالات مرتبط با داده‌های اختصاصی یا به‌روز پاسخ دهند و گاهی پاسخ‌های نادرستی (هالوسینیشن) تولید می‌کنند. RAG این مشکل را با بازیابی اطلاعات مرتبط از پایگاه‌های دانش (مانند ایندکس جست‌جو، پایگاه داده‌های برداری یا اسناد) و ترکیب آن با پرس‌وجوی کاربر حل می‌کند. این کتاب با مثال‌های عملی و کدهای پایتون، شما را قادر می‌سازد تا سیستم‌های RAG را از ابتدا بسازید و با ابزارهایی مانند LangChain و کتابخانه‌های پایتون، پاسخ‌هایی دقیق و قابل‌اعتماد تولید کنید.

ویژگی‌های کلیدی کتاب

بخش اول: مفاهیم پایه

• مدل‌های زبانی بزرگ و نیاز به RAG: چرا مدل‌های سنتی کافی نیستند؟

• طراحی سیستم‌های RAG: درک اجزای اصلی و ساختار آنها.

بخش دوم: ساخت و پیاده‌سازی

• پایپ‌لاین ایندکس‌گذاری: ایجاد پایگاه دانش برای RAG.

• پایپ‌لاین تولید: تولید پاسخ‌های متنی با استفاده از اطلاعات بازیابی‌شده.

• ارزیابی RAG: سنجش دقت، مرتبط بودن و وفاداری پاسخ‌ها.

بخش سوم: پیشرفت و بهینه‌سازی

• پیشرفت سیستم‌های RAG: از RAG ساده تا پیشرفته و ماژولار.

• پشته RAGOps در حال تحول: ابزارها و فناوری‌های مدرن برای بهبود عملکرد.

بخش چهارم: کاربردهای پیشرفته

• انواع RAG: گراف، چندوجهی، ایجنتیک و سایر گونه‌ها.

• چارچوب توسعه RAG: کاوش در ابزارها و جهت‌گیری‌های آینده.

کاربردهای عملی

این کتاب با پروژه‌های عملی، شما را در ساخت یک سیستم RAG کامل هدایت می‌کند. از ایجاد چت‌بات‌های خدماتی که سیاست‌های شرکت را نقل می‌کنند تا ابزارهای آموزشی که به سرفصل‌های درسی ارجاع می‌دهند، این کتاب کاربردهای متنوع RAG را نشان می‌دهد. مثال‌های کدنویسی با LangChain، OpenAI و سایر کتابخانه‌های پایتون، یادگیری را برای مبتدیان و حرفه‌ای‌ها آسان می‌کند.

درباره فناوری

RAG با ترکیب بازیابی اطلاعات و تولید متنی، دقت و به‌روز بودن پاسخ‌های مدل‌های زبانی را افزایش می‌دهد. این فناوری برای کاربردهای دانش‌محور، مانند چت‌بات‌های سازمانی و سیستم‌های جست‌وجوی پیشرفته، ایده‌آل است و از هالوسینیشن جلوگیری می‌کند.

مخاطبان کتاب

این کتاب برای دانشمندان داده، مهندسان و مدیران فناوری مناسب است که تجربه قبلی با مدل‌های زبانی بزرگ ندارند. مثال‌های کد پایتون ساده و注释‌شده، یادگیری را حتی برای تازه‌کاران در حوزه هوش مصنوعی آسان می‌کند.

درباره نویسنده

ابیناو کیموتی، حرفه‌ای با بیش از ۱۵ سال تجربه در علم داده، یادگیری ماشین و هوش مصنوعی، در حال حاضر مدیر علم داده در شرکت Sigmoid است. او دانش خود را با مثال‌های عملی و راهنمایی‌های حرفه‌ای در این کتاب به اشتراک گذاشته است.