





並透過智慧問診機器人實作,展現生成式 AI 如何與後端技術結合,打造更智能、更可靠的應用。
內容簡介
從概念到實作,全方位掌握 RAG 與 LangChain
精準打造你的專屬 AI 系統!
本書改編自第16屆 iThome 鐵人賽生成式 AI 組優選系列文章《初探 LangChain 與 LLM:打造簡易問診機器人》,完整收錄生成式 AI、大型語言模型(LLM)與檢索增強生成(RAG)的核心觀念與技術細節。
書中首先帶領讀者認識生成式 AI 與 LLM 的重要觀念,深入探討模型常見的幻覺問題與即時知識更新的難點,並逐步引導讀者學習 RAG 架構如何有效克服這些挑戰。接著,以詳細且易懂的步驟說明環境建置方法,包括 Python、PyCharm、OpenAI API 及 MongoDB Atlas 的設定,確保讀者能快速架設並應用於實務專案。
此外,書中透過實際案例「智慧問診機器人」專案的完整演練,全面介紹 LangChain 框架的基礎到進階操作技巧,並深入說明如何評估與測試系統效能,運用 DeepEval 及 LLM as a Judge 等工具進行成效驗證,幫助讀者掌握 RAG 系統的實務與優化策略,快速提升實戰能力。
無論你是初次接觸生成式 AI 的新手,或希望深度實作 RAG 技術的進階讀者,本書將引導你扎實地掌握理論基礎與技術細節,輕鬆建立屬於自己的高效能智慧應用系統。
重點摘要
✦ 理論基礎
深入淺出 RAG 核心觀念
✦ 環境架設
從開發到部署一本搞定
✦ 實務專案
採用貼近生活的問診系統實戰演練
✦ 效能評估
開發同時也關注模型回答的表現
目標讀者
.對生成式 AI 有興趣的讀者
.具備基礎 Python 知識的讀者
.期望理解 RAG 系統的人士
.想要了解如何評估 RAG 表現的開發者
產品目錄
1-1 生成式 AI(Generative AI)與大型語言模型(LLM)簡介
生成式 AI 簡介
大型語言模型簡介
LLMs 的應用與挑戰
生成式 AI 與 LLMs 的比較
LangChain:開發 LLM 應用的框架
向量(Embedding)技術
1-2 LLMs 的幻覺與知識更新問題
LLMs 產生幻覺的原因
幻覺在問答、法律、醫療等應用中的嚴重性
1-3 RAG的基本介紹
檢索增強生成(RAG)的原理與降低幻覺的方法
RAG 對 LLM靜態知識限制的補足與動態應用支持
RAG 的發展階段
LangChain 與 RAG 的整合應用
1-4 章節回顧
Chapter 02 環境架設與金鑰申請
2-1 開發環境架設( Python、PyCharm 以及虛擬環境)
2-2 OpenAI 金鑰申請
2-3 Mongo Atlas 服務申請
2-4 章節回顧
Chapter 03 LangChain 操作教學:從基礎到進階
3-1 LangChain 快速入門
LangChain 設定 OpenAI API Key 的方式
LangChain 中的 BaseChatModel 與 LLM 的串接
LangChain 中常見的 Message 類型與結構
LangChain 中的 PromptTemplate
LangChain 中的 VectorStore 與 InMemoryVectorStore
LangChain 中的 Document 與 Metadata
3-2 LangChain 進階功能實作
鍊式操作(Chain)進階應用
LangChain 內建的 RAG Chain 實作
Agent 概念與實務應用
LangChain 內建對話紀錄管理器
3-3 Mongo Atlas 資料及向量的寫入與查詢
使用 Mongo Atlas VectorStore 的寫入與查詢向量
3-4 章節回顧
Chapter 04 環境架設與金鑰申請
4-1 設計專案架構
4-2 資料及向量的寫入
4-3 設計查詢與對話模組
4-4 設計前台頁面
4-5 建立對話紀錄
4-6 建立問診紀錄區塊
4-7 使用 Fly.io 部署站台
4-8 章節回顧
Chapter 05 智慧問診機器人實作演練
5-1 LLM as a Judge 利用大型語言模型對回覆進行評分
為何我們需要「AI裁判」?
該如何撰寫讓 LLM 充當裁判的提示語(Prompt)?
LLM as a Judge 的主要應用場景
LLM as a Judge 的可靠性:它真的「公平」且「準確」嗎?
如何在實務中運用 LLM as a Judge?搭建你的自動評估流程
5-2 DeepEval 工具介紹
5-3 該如何準備 DeepEval 中的測試案例?
回顧基本的 RAG 流程
建立測試案例:使用 LLMTestCase 類別
執行測試的方式
5-4 常用檢索評估指標:文本精確度、文本召回率與文本關聯性
文本精確度(Context Precision)
文本召回率(Context Recall)
文本關聯性(Context Relevancy)
重點整理
5-5 常用生成評估指標:關聯性與忠實性
關聯性(Answer Relenvacy)
忠實性(Faithfulness)
重點整理
5-6 自定義測試 Prompt
5-7 章節回顧
Chapter 06 提升 RAG 系統的準確度
6-1 Chunking 策略
常見的 Chunking 策略與實作範例
6-2 檢索策略(Retrieve Strategy)
6-3 重排序(Re-rank)
6-4 提示工程 Prompt Engineer
6-5 章節回顧
Chapter 07 RAG 在不同行業的應用與挑戰
7-1 企業知識庫 AI:如何運用 RAG 提升內部 FAQ 回答準確性?
7-2 法律 AI 助理:讓 AI 提供合規建議與文件檢索能力
7-3 醫療 AI 應用:如何確保 AI 在醫療領域提供可靠建議?
7-4 章節回顧
作者介紹
現職生成式 AI 及資料工程師,專長於Python程式語言、知識型問答系統(RAG,Retrieval-Augmented Generation),以及企業級 AI 應用的落地實作。擁有多年軟體開發、資料科學與機器學習專案經驗,長期投身於人工智慧產業應用與創新教學,並活躍於技術社群、學術研究與專業寫作領域。
目前就讀於輔仁大學資訊管理碩士在職專班,曾於網通產業、數位科技新創等不同型態企業服務,參與過多項結合 NLP 與資料工程的大型專案,涵蓋智慧客服、智能醫療諮詢、文件搜尋與自動化知識問答等應用場域。深諳 Python、Django、LangChain、OpenAI API、Docker、PostgreSQL、MongoDB 等主流技術,亦積極參與新一代 AI 工具在企業環境中的最佳實踐推廣。
除了專業領域的投入,也善於觀察生活、反思科技與人之間的關係。因此在書寫風格上,力求兼顧專業嚴謹與易讀親和,讓更多初學者、工程師與決策者都能從中找到啟發,真正落實「人人都能用 AI 提升數據力」的願景。
規格
退貨說明
退貨須知:
- 依照消費者保護法的規定,您享有商品貨到次日起七天猶豫期(含例假日)的權益(請注意!猶豫期非試用期),辦理退貨之商品必須是全新狀態(不得有刮傷、破損、受潮)且需完整(包含全部商品、配件、原廠內外包裝、贈品及所有附隨文件或資料的完整性等)。
- 請您以送貨廠商使用之包裝紙箱將退貨商品包裝妥當,若原紙箱已遺失,請另使用其他紙箱包覆於商品原廠包裝之外,切勿直接於原廠包裝上黏貼紙張或書寫文字。若原廠包裝損毀將可能被認定為已逾越檢查商品之必要程度,本公司得依毀損程度扣除回復原狀必要費用(整新費)後退費;請您先確認商品正確、外觀可接受,再行拆封,以免影響您的權利;若為產品瑕疵,本公司接受退貨。
依「通訊交易解除權合理例外情事適用準則」,下列商品不適用七日猶豫期,除產品本身有瑕疵外,不接受退貨:
- 易於腐敗、保存期限較短或解約時即將逾期。(如:生鮮蔬果、乳製品、冷凍冷藏食材、蛋糕)
- 依消費者要求所為之客製化給付。(如:客製印章、鋼筆刻字)
- 報紙、期刊或雜誌。
- 經消費者拆封之影音商品或電腦軟體。
- 非以有形媒介提供之數位內容或一經提供即為完成之線上服務,經消費者事先同意始提供。(如:電子書)
- 已拆封之個人衛生用品。(如:內衣褲、襪類、褲襪、刮鬍刀、除毛刀等貼身用品)
- 國際航空客運服務。
若您退貨時有下列情形,可能被認定已逾越檢查商品之必要程度而須負擔為回復原狀必要費用(整新費),或影響您的退貨權利,請您在拆封前決定是否要退貨:
- 以數位或電磁紀錄形式儲存或著作權相關之商品(包含但不限於CD、VCD、DVD、電腦軟體等) 包裝已拆封者(除運送用之包裝以外)。
- 耗材(包含但不限於墨水匣、碳粉匣、紙張、筆類墨水、清潔劑補充包等)之商品包裝已拆封者(除運送用之包裝以外)。
- 衣飾鞋類/寢具/織品(包含但不限於衣褲、鞋子、襪子、泳裝、床單、被套、填充玩具)或之商品缺件(含購買商品、附件、內外包裝、贈品等)或經剪標或下水或商品有不可回復之髒污或磨損痕跡。
- 食品、美容/保養用品、內衣褲等消耗性或個人衛生用品、商品銷售頁面上特別載明之商品已拆封者(除運送用之包裝外一切包裝、包括但不限於瓶蓋、封口、封膜等接觸商品內容之包裝部分)或已非全新狀態(外觀有刮傷、破損、受潮等)與包裝不完整(缺少商品、附件、原廠外盒、保護袋、配件紙箱、保麗龍、隨貨文件、贈品等)。
- 家電、3C、畫作、電子閱讀器等商品,除商品本身有瑕疵外,退回之商品已拆封(除運送用之包裝外一切包裝、包括但不限於封膜等接觸商品內容之包裝部分、移除封條、拆除吊牌、拆除貼膠或標籤等情形)或已非全新狀態(外觀有刮傷、破損、受潮等)與包裝不完整(缺少商品、附件、原廠外盒、保護袋、配件紙箱、保麗龍、隨貨文件、贈品等)。
- 退貨程序請參閱【客服專區→常見問題→誠品線上退貨退款】之說明。
















