GraphRAG 實戰
葉健峰
- 出版商: 東南大學
- 出版日期: 2025-10-01
- 售價: $528
- 語言: 簡體中文
- 頁數: 323
- ISBN: 7576622830
- ISBN-13: 9787576622836
-
相關分類:
Large language model
下單後立即進貨 (約4週~6週)
買這商品的人也買了...
-
Ubuntu 20 管理入門與實作$600$468 -
持續集成與持續交付實戰：用 Jenkins、Travis CI 和 CircleCI 構建和發布大規模高質量軟件$539$512 -
精準駕馭 Word！論文寫作絕非難事 (暢銷回饋版)$480$374 -
Ubuntu22 系統管理與網路服務實務應用：晉升專業網管工程師×物聯網工程師實戰攻略$660$515 -
ChatGPT 4 萬用手冊：超強外掛、Prompt 範本、Line Bot、OpenAI API、Midjourney、Stable Diffusion$630$498 -
Power Automate 自動化大全：串接 Excel、ChatGPT、SQL 指令，打造報表處理、網路爬蟲、資料分析超高效流程$630$498 -
DevOps 七步大法 - Docker 硬功夫實戰容器$880$695 -
輕鬆自學 ASP.NET Core MVC(.NET 8)：從建置到部署的 Web 程式經典範例實作$780$616 -
AI 影片製作工具箱：AI 繪圖合成 × 智慧編輯剪片 × ChatGPT 文案生成全攻略$600$468 -
高性能程式密技 - Linux 網路核心技術大公開$980$774 -
讓 AI 好好說話！從頭打造 LLM (大型語言模型) 實戰秘笈$680$537 -
$534DeepSeek 大模型實戰指南 (架構部署與應用) -
OpenAI API 開發手冊 - 用 Responses API、Realtime API、MCP、Agents SDK、Function calling 打造即時語音、RAG、Agent 應用$790$624 -
$611DeepSeek原生應用與智能體開發實踐 -
一本書講透 MCP：AI Agent 互聯網新紀元$594$564 -
$768通義千問：大模型架構與智能體開發實戰（基於 QwQ-32B 開源模型） -
開發專屬 ChatGPT Operator - AI Agent 全面實戰精解$880$695 -
本地端 Ollama × LangChain × LangGraph × LangSmith 開發手冊：打造 RAG、Agent、SQL 應用$750$593 -
LangGraph 實戰開發 AI Agent 全攻略：掌握 AI 模型 × 工作流程 × 設計應用，從零打造智慧分工多代理協作系統（iThome鐵人賽系列書)$660$515 -
Ollama 本地 AI 全方位攻略：命令列功能、五大主題測試、RAG、Vibe Coding、MCP，一本搞定所有實戰應用$750$593 -
$600AI Agent 智能體與 MCP 開發實踐：基於 Qwen3 大模型 -
$599AI Agent 開發實戰：MCP + A2A + LangGraph 驅動的智能體全流程開發 -
MCP / A2A協定 : 多 Agent 系統全連結開發$474$450 -
Vibe Coding CLI 頂級開發 - Claude Code 前瞻菁英育成手冊$1,080$853
相關主題
商品描述
本書深入研究了業界領 先的微軟與Neo4j GraphRAG解決方案，結合 中國國產大模型的應用條件 ，用一個貫通全書的例子， 探索GraphRAG在 各行 業具體應用場景中落地實施 的開源集成解決方案，具有 較好的可操作性和較高的性 價比，尤其適用於資源有限 的各種中小型組織快速地開 發、測試、集成與部署 GraphRAG應用，用大模型 AI為傳統業務賦能。本書也 適用於對GraphRAG技術感 興趣的技術人員、教師、學 生等讀者，可提供 GraphRAG技術現狀的概覽 與快速入門指導。
目錄大綱
1 在WSL2上搭建GPU Linux Server深度學習環境
1.1 在Windows WSL2上安裝Ubuntu 22
1.2 安裝Ubuntu 22 PyTorch深度學習開發環境
1.3 安裝配置Jupyter Hub
1.4 在PyTorch上運行HanLP
1.5 Neo4j Community安裝配置
2 微軟GraphRAG
2.1 微軟GraphRAG測試
2.2 Ollama本地運行
3 Neo4j GraphRAG
3.1 安裝Docker
3.2 Neo4j KGBuilder安裝
3.3 Neo4j KGBuilder測試
3.4 在Python中調用KGBuilder
4 開發GraphRAG應用
4.1 實體關系提取與導入
4.2 實體工程：索引、合並與社區摘要
4.3 局部查詢與全局查詢
5 Agent開發
5.1 實現多輪對話的GraphRAG局部查詢
5.2 用LangSmith調試
5.3 用Agent實現局部查詢
5.4 自己的Agent
5.5 為Agent增加全局查詢
6 在GraphRAG中應用國產大模型
6.1 國產大模型接入LangChain
6.2 用國產大模型構建知識圖譜
6.3 在Agent中應用國產大模型
7 本地部署LLM
7.1 Ollama本地部署LLM
7.2 端側小模型MiniCPM3測試
7.3 其他端側運行LLM的方法
8 開發GraphRAG APP
8.1 用FastAPI公開Agent調用
8.2 Shiny for Python開發環境安裝配置
8.3 Shiny for Python APP開發
9 GraphRAG應用評估
9.1 用Ragas評估GraphRAG應用
9.2 評估指標原理
9.3 LangSmith查看LLM調用序列
本書深入研究了業界領 先的微軟與Neo4j GraphRAG解決方案，結合 中國國產大模型的應用條件 ，用一個貫通全書的例子， 探索GraphRAG在 各行 業具體應用場景中落地實施 的開源集成解決方案，具有 較好的可操作性和較高的性 價比，尤其適用於資源有限 的各種中小型組織快速地開 發、測試、集成與部署 GraphRAG應用，用大模型 AI為傳統業務賦能。本書也 適用於對GraphRAG技術感 興趣的技術人員、教師、學 生等讀者，可提供 GraphRAG技術現狀的概覽 與快速入門指導。
