生成式AI專案實踐指南：從模型挑選、上線、RAG技術到AI Agent整合 (電子書) | 誠品線上

生成式AI專案實踐指南：從模型挑選、上線、RAG技術到AI Agent整合 (電子書)

內容簡介

內容簡介 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AI技術應用於各種實際場景。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。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。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 校務長本書內容涵蓋了生成式AI的各項核心技術，從模型到開發流程如MLOps及LLMOps思維，再到時下熱議的RAG與AI Agent應用，均有詳實的介紹。從本書的各個章節內容中，讀者能夠感受到作者對於生成式AI各項技術的關注與熱情，並且透過主題式的章節設計，提供讀者能夠按自己所需自由拼接並且查詢的閱讀體驗。對於希望建立基礎認知，又欲尋求應用啟示的讀者來說，書中所匯整的關鍵名詞及技術總結，正是一座通往更加廣闊技術領域的橋樑。──── 盧建成 Augustin｜靖本行策有限公司 執行長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

作者介紹

作者介紹 劉育維（Simon Liu）為人工智慧解決方案領域的技術愛好者，專注於協助企業如何導入生成式人工智慧、MLOps與大型語言模型（LLM）技術，推動數位轉型與技術落地如何實踐。目前也是Google GenAI領域開發者專家（GDE），積極參與技術社群，透過技術文章、演講與實務經驗分享，推廣AI技術的應用與發展，目前，在Medium平台上發表超過百篇技術文章，涵蓋生成式AI、RAG和AI Agent等主題，並多次擔任技術研討會中的講者，分享AI與生成式AI的實務應用。歡迎追蹤我的LinkedIn，瞭解更多的AI資訊：https: www.linkedin.com in simonliuyuwei

產品目錄

產品目錄 第一部分 生成式AI基礎知識第1章 生成式人工智慧第二部分 大型語言模型介紹第2章 大型語言模型第3章 閉源式模型的介紹與使用方法第4章 開源式模型的介紹與使用方法第三部分 模型服務上線第5章 模型選擇與評估模型能力第6章 生成式人工智慧模型即服務的方法第四部分 透過DevOps進行生成式AI專案的流程再造第7章 DevOps與MLOps簡介第8章 LLMOps - LLM for DevOps方法與流程第五部分 檢索增強生成（RAG）與模型微調（Fine-Tune）第9章 檢索增強生成和模型微調介紹第10章 嵌入向量Embedding Vector第六部分 建置RAG知識庫服務系統流程第11章 文章字塊切分Chunking第12章 RAG知識點的Metadata介紹第13章 RAG知識資料庫第14章 實作RAG知識庫服務系統第七部分 進階型RAG服務介紹第15章 進階RAG知識庫檢索方法第16章 KAG和GraphRAG概念第17章 CAG概念第八部分 生成式AI模型服務與RAG系統的評估第18章 LLM模型評估第19章 RAG系統評估第九部分 AI Agen與RAG結合之應用第20章 AI Agent第21章 Agentic AI Workflow的概念第22章 RAG-base AI Agent應用第十部分 AI技術導入專案的未來思考方向第23章 導入GenAI技術的未來可能性方向

商品規格

最佳賣點

最佳賣點 : 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