Infer News

Verba: 超簡易本機 RAG chatbot

(英) 結合Llama3 做百分百的本機 RAG
Retrieval Augmented Generation (RAG) chatbot powered by Weaviate – weaviate/Verba

Golden RAGtriever 是一款開源應用程序，旨在為開箱即用的檢索增強生成 (RAG) 提供端到端、簡化且用戶友好的介面。只需幾個簡單的步驟，即可在本地透過 HuggingFace 和 Ollama 或透過 OpenAI、Cohere 和 Google 等 LLM 供應商探索您的資料集並輕鬆提取見解。

Open Source RAG running LLMs locally with Ollama
Verba: This Easy-to-Install RAG Chatbot is better than ChatGPT (works w/ Ollama, OpenAI, Gemini)
Categories: 工具, 教學

Langchain RAG fusion 整合 GPT-40

影片示範如何使用 Langchain RAG fusion 和 GPT-40 為您的 PDF 創建人工智能的代理聊天機器人，供您個人或商業使用。影片包含用於設置檢索增強生成系統的 Python 代碼演練。

LangChain + RAG Fusion + GPT-4o Python Project: Easy AI/Chat for your Docs

Rag Fusion 是一種通過多查詢方法克服傳統搜索系統限制的方法，從而改善性能。
GPT-40 是 2024 年 5 月 14 日宣佈的 GPT-4 Turbo 的更高端模型。它可以處理文本、圖像和語音輸入。
影片重點介紹檢索增強生成 (RAG) 的運作方式以及 GPT-40 的功能。
核心概念是從原始查詢生成多個查詢，然後重新排序每個查詢的搜索結果，並提取具有高度相關性的結果。

GitHub – Raudaschl/rag-fusion
Contribute to Raudaschl/rag-fusion development by creating an account on GitHub.
Categories: 教學

RAG 101 – 令 Llama3 增加知識 10倍

"I want Llama3 to perform 10x with my private knowledge" - Local Agentic RAG w/ llama3

影片主要內容：

  • RAG 在知識管理中的應用： 大型語言模型 (LLM) 可以成為強大的 KM 工具，但它們難以處理和理解非結構化數據格式，例如 PDF 和演示文稿。RAG 通過結合檢索和生成技術來解決這一挑戰。該模型會根據用戶的查詢從數據庫中檢索相關文檔，然後使用這些文檔來生成其響應。
  • RAG 實現的挑戰：
    • 數據混亂： 現實世界中的數據通常很混亂，需要在 RAG 使用之前進行清理和轉換。
    • 選擇合適的檢索方法： 不同的檢索方法適用於不同的數據類型。例如，向量搜索可能不適合需要從各種數據源（結構化和非結構化）獲取知識的複雜問題。
    • 答案質量： 確保檢索到的文檔與用戶的查詢相關並完整地回答用戶的問題可能很困難。
  • 高級 RAG 技術： 介紹了一些高級 RAG 技術來提高 RAG 應用程序的質量和可靠性：
    • 更好的數據預處理： 使用 Llama Part 等專門為 LLM 設計的 PDF 解析器等工具可以顯著提高數據質量。
    • 重新排名檢索到的文檔： 而不是將所有檢索到的文檔都提供給 LLM，可以使用排名模型來識別最相關的文檔，從而提高答案的準確性和效率。
    • 混合搜索： 將向量搜索與關鍵字搜索相結合對於需要精確匹配的任務（例如電子商務產品搜索）很有用。
    • Agent RAG： 此技術利用代理來動態推理檢索過程。代理可以修改用戶的查詢，為複雜問題執行逐步檢索，並決定是從檢索到的文檔中生成答案還是進行額外的網絡搜索。
  • 構建本地 Agent RAG 應用程序： 影片講者演示了如何使用大型語言模型 Llama3 和向量數據庫工具 Goose3 構建本地 Agent RAG 應用程序。該應用程序從網站中檢索博客文章並使用它們來回答用戶的查詢。工作流程包括創建檢索模型、定義檢索條件、將條件邏輯納入以確定答案生成方法以及檢查答案的準確性。

影片最後總結 Agent RAG 和更簡單的 RAG 實現之間的權衡。Agent RAG 提供了卓越的質量和控制，但代價是響應速度較慢。

Categories: 教學

RAG 整合 Streamlit 直接與你的文件交談

Chat with Documents Using LLM
Developing RAG and Streamlit chatbots with LLMs for document-based Q&A. Enhance user engagement and streamline information retrieval.
探討如何使用 RAG (Retrieval-Augmented Generation) 和 Streamlit 建立一個文件交談聊天機器人。這個聊天機器人可以回答使用者關於文件的問題，並提供相關的文件內容。
什麼是 RAG？
RAG 是一種自然語言處理 (NLP) 模型，它可以從大型文件集中檢索和生成文本。它可以用於各種應用，例如客服聊天機器人、文件摘要和文件搜尋等。
什麼是 Streamlit？
Streamlit 是一個 Python 框架，它可以用於建立交互式網頁應用程序。它可以用於資料科學、機器學習和資料視覺化等領域。
建立文件交談聊天機器人
以下是建立文件交談聊天機器人的步驟：
  1. 安裝 RAG 和 Streamlit
  2. 準備文件集
  3. 建立 RAG 模型
  4. 建立 Streamlit 應用程序
  5. 整合 RAG 和 Streamlit
結論
在這篇文章中，我們探討了如何使用 RAG 和 Streamlit 建立一個文件交談聊天機器人。這個聊天機器人可以回答使用者關於文件的問題，並提供相關的文件內容。我們希望這篇文章能夠幫助您建立自己的文件交談聊天機器人。
Categories: 教學, 新聞

用 Python 建立專業級電影推薦 – 機器學習手冊

建立學習專案概念和發展基本技能的最有效方法之一。專案讓您沉浸解決現實世界中的問題，鞏固您的知識並培養批判性思維、適應能力和專案管理專業知識。本指南將引導您建立量身訂製的電影推薦系統

(英) How to Build a Production-Grade Movie Recommender in Python
Building projects is one of the most effective ways to thoroughly learn a concept and develop essential skills. Projects immerse you in real-world problem-solving, solidifying your knowledge and cultivating critical thinking, adaptability, and project management expertise. This guide will walk you through building a movie recommendation system that’s tailored
Categories: 教學

practicalAI-cn: 實戰中文版

GitHub – AI實戰-practicalAI 中文版
AI實戰-practicalAI 中文版. Contribute to LisonEvf/practicalAI-cn development by creating an account on GitHub.
  •  使用 PyTorch 實現基本的機器學習算法和深度神經網絡。
  • 🖥️ 不需要任何設置，在瀏覽器中使用 Google Colab 運行所有程序。
  • 📦 不僅僅是教程，而是學習產品級的面向對象機器學習編程。
Categories: 教學
Page 12 of 13
1 … 10 11 12 13