相關主題
商品描述
本書系統闡述了大模型 應用從基礎概念到企業級部 署的完整技術路徑。全書分 為四部分：基礎篇（ ～3 章）深入解析RAG、AI工作 流與AI Agent三大核心技術 的原理、架構與生態；RAG 篇（第4～7章）透過企業規章制度問答、智慧履歷表篩選 、設備維修圖文問答、企業級競賽解法等案例，展期 183 到第 188 377777章展的完整路徑展式工作到第 183 377； ）涵蓋智慧合約審查與生成 、Text2SQL資料分析、異 構銀行流水解析等複雜業務 場景的自動化處理方案；AI Agent篇（ 2～13章）通 經過預測性設備運維與智慧信 貸盡調助手，展現自主決策 智能體的建構與應用。每個 案例均遵循「業務挑戰→核 心架構→技術實現→工程經 驗與架構演進」的統一結構 ，提供完整可運行的源代碼 ，涵蓋從原生Python庫到企 業級框架的多層次技術實現 。 本書既適合AI產品經理 、AI專案經理、後端工程師 、大學學生與研究人員閱讀 ，也可作為企業大模型應用 開發的實踐指南。
目錄大綱
基礎篇 RAG、AI工作流程與AI Agent核心概念
第1章 理解RAG：外在知識的檢索與融合
1.1 概念緣起與應用價值
1.1.1 RAG的基本概念
1.1.2 大模型的內在限制
1.1.3 RAG的核心應用價值
1.1.4 RAG的主要應用場景
1.2 核心工作原理解析
1.2.1 文檔解析與載入
1.2.2 文字分塊策略
1.2.3 向量化與索引構建
1.2.4 檢索器設計與最佳化
1.2.5 生成器配置與多輪對話增強
1.3 技術生態與實務路徑
1.3.1 技術棧分層全景
1.3.2 框架與平臺選型策略
1.3.3 RAG應用範式演進
1.4 本章小結
第2章 建構AI工作流程：複雜任務的編排與自動化
2.1 概念緣起與應用價值
2.1.1 AI工作流程的基本概念
2.1.2 單點AI應用的內在限制
2.1.3 AI工作流程的核心應用價值
2.1.4 AI工作流程的主要應用場景
2.2 核心工作原理解析
2.2.1 節點類型與連結機制
2.2.2 條件分支與循環控制
2.2.3 狀態管理與資料傳遞機制
2.2.4 並行執行與同步機制
2.2.5 錯誤處理與容錯機制
2.3 技術生態與實務路徑
2.3.1 AI工作流程技術堆疊分層全景
2.3.2 框架與平臺選型策略
2.3.3 AI工作流程應用範式演進
2.4 本章小結
第3章 探索AI Agent：自主決策能力的建構與應用
3.1 概念緣起與應用價值
3.1.1 AI Agent的基本概念
3.1.2 AI工作流程的內在限制
3.1.3 AI Agent的核心應用價值
3.1.4 AI Agent的主要應用場景
3.2 核心工作原理解析
3.2.1 推理引擎與策略制定
3.2.2 記憶系統與情境管理
3.2.3 工具呼叫與管理
3.2.4 感知回饋與叠代
3.3 技術生態與實務路徑
3.3.1 技術棧分層全景
3.3.2 框架與平臺選型策略
3.3.3 AI Agent應用範式演進
3.4 本章小結
RAG篇 建構從基礎到 的問答應用
第4章 開發企業規章制度原生RAG問答系統
4.1 業務挑戰
4.1.1 分散儲存的文檔查找難題
4.1.2 關鍵字檢索的語意鴻溝
4.1.3 碎片資訊的整合困境
4.2 核心架構
4.2.1 建構統一文檔解析管線
4.2.2 建立向量化語意檢索引擎
4.2.3 設計檢索增強問答產生器
4.3 技術實現
4.3.1 分析全域配置與參數管理
4.3.2 實作文件解析與結構化分塊
4.3.3 建構向量化與索引儲存系統
4.3.4 開發檢索與生成核心引擎
4.3.5 部署互動介面與實戰驗證
4.4 工程經驗與架構演進
4.4.1 原生開發的工程經驗總結
4.4.2 系統效能瓶頸分析與最佳化方向
4.4.3 向框架化開發的演進路徑
4.5 本章小結
第5章 打造框架驅動的智慧履歷篩選系統
5.1 業務挑戰
5.1.1 異質文件的統一接取難題
5.1.2 精準篩選與模糊檢索的平衡難題
5.1.3 從資訊檢索到決策輔助的鴻溝
5.2 核心架構
5.2.1 建構統一的資料處理管線
5.2.2 設計雙層知識儲存引擎
5.2.3 編排對話式RAG應用鏈
5.3 技術實現
5.3.1 實作基於LlamaIndex的資料處理引擎
5.3.2 開發上下文感知的簡歷節點解析器
5.3.3 建構並整合結構化訊息
5.3.4 發展基於Pydantic的結構化資訊擷取鏈
5.3.5 整合記憶功能的對話式RAG鏈
5.3.6 部署基於Streamlit的互動式驗證應用
5.4 工程經驗與架構演進
5.4.1 框架開發的權衡與選型
5.4.2 “引擎—應用”分離的設計模式
5.4.3 架構演進：從問答到自主Agent
5.5 本章小結
第6章 實現基於RAGFlow的設備維修圖文問答
6.1 業務挑戰
6.1.1 維修案例擷取效率問題
6.1.2 圖文資訊割裂展示難題
6.1.3 跨案例知識整合能力缺失
6.2 核心架構
6.2.1 解析RAGFlow的原生快照架構
6.2.2 設計基於預處理的富文本增強架構
6.2.3 兩種架構的技術選用與權衡
6.3 技術實現
6.3.1 配置解析器與分塊策略
6.3.2 設定檢索增強功能
6.3.3 配置結構化資訊擷取
6.3.4 調整聊天助理核心策略配置
6.3.5 評測原生PDF的解析與檢索效果
6.3.6 開發PDF圖文擷取與連結註入腳本
6.4 工程經驗與架構演進
6.4.1 提煉平臺與預處理的協同範式
6.4.2 從資訊檢索到任務自動化的架構演進
6.4.3 展望RAGFlow的Agent與MCP應用潛力
6.5 本章小結
第7章 復現企業級RAG挑戰賽 方案
7.1 業務挑戰
7.1.1 海量異構的動態數據
7.1.2 嚴格的評分與獎懲機制
7.1.3 跨文檔比較與深度推理要
