genai cookbook
1.0.0
생성 인공 지능 (GENAI)은 전례없는 수준의 참신함, 창의성 및 생산성을 도입하여 "생애에서 가장 큰 기술 변화를 창출"하여 다양한 영역을 빠르게 변형시키고 있습니다. Genai는 인간과 같은 자연어 지침에 대응할 수있는 능력으로 AI 응용 프로그램에 새로운 대화식 차원을 추가합니다. 기존 데이터에서 새로운 컨텐츠 (텍스트, 오디오, 이미지 및 비디오)를 생성하여 이전에 상상할 수없는 업적을 달성합니다. 또한 Genai는 생산성을 뛰어나고 속도와 효율성의 일부 작업에서 인간을 능가합니다.
LLM 사용 방법 레시피 및 가이드가 혼합 된 Genai Cookbook에 오신 것을 환영합니다. 이 컬렉션은 언어 모델을 사용하는 광범위한 자연어 처리 (NLP) 응용 프로그램을 다룹니다.
LLM 프롬프트 전략 : 기본적으로 시작하여 시작된 예제 DSPY 프레임 워크 : DSPY 프레임 워크 : LLM을 프로그래밍하기위한 선언적이고 프로그래밍 방식의 접근 방식을 통해 엔지니어링을 자랑하는 대안 탐색 : 대화식 AI 검색 생성 증강 (RAGS) 을 구축하는 기본 사항 : 개인 또는 조직 데이터를 더 정확하게 구성하여 미세한 지 모델에 대한 정보를 제공합니다. 형식 및 색조 확장 LLM 기능 : 에이전트 및 기능을 사용하여 주요 언어 모델을 사용하는 외부 도구 및 데이터 소스와 상호 작용하여 기능을 향상시킵니다. OpenAI, Anthropic, Gemini, Meta, Scale Endpoints, Ollama 및 Databricks의 모델 및 추론 플랫폼을 사용하기위한 실제 가이드.
초보자 개발자를 대상으로 한이 책은 예제 코드 및 사용 방법 가이드를 제공하여 주요 플랫폼에서 API 및 프레임 워크를 사용하는 방법을 보여줍니다. 여행을 시작하고 Genai의 잠재력을 발견하십시오.
이 예제를 시도하려면 OpenAI 계정 및 관련 API 키, Anthropic, Pinecone, Datrabricks Data Intelligent Platform 또는 모든 스케일 엔드 포인트 계정 및 관련 키가 필요합니다. 더 좋은 점은 노트북에 Ollama를 설치하십시오.
모든 예제와 노트북은 파이썬에 있지만 개념은 대상 언어로 REST API를 호출하거나 대상 언어 SDK를 사용할 수있는 한 모든 프로그래밍 언어에 적응할 수 있습니다.
이 요리 책의 몇 가지 예는 다음을 포함하여 이러한 자원에서 영감을 얻었습니다 (일부 수정, 확장 또는 복사).
| 디렉토리 이름 | 설명 |
|---|---|
| genai_intro | Genai, Foundation Models, GPTS에 대한 일반 소개 |
| 자치령 대표 | 에이전트, 진화하는 에이전트 보관소, 사용 이유 및 에이전트 작성 방법 |
| 조수 | OpenAI Assistant는 LLM 기능을 확장하여 외부 도구와 상호 작용하여 웹 서비스 및 데이터 스토어와 같은 외부 서비스에 액세스 할 수 있도록합니다. OpenAI 비서와 함께 일하는 방법을 구현하는 방법 |
| 챗봇 | 고객 서비스의 일반적인 응용 프로그램, 프롬프트 기술을 사용하여 LLM을 사용하여 간단하고 대화적인 챗봇을 작성하는 방법 |
| dspy | LLM을 프로그램하기위한 선언적 프레임 워크의 빠른 개요 : DSPY를 사용하는 것과 이유와 방법 |
| 임베딩 및 벡터 츠 | 벡터 임베딩 소개 및 LLM Gen 앱에 대한 시맨틱 검색에서의 역할. 벡터 임베딩은 검색 증강 생성의 중심입니다. 인덱스 문서의 레트레버로 공통 벡터 저장소를 탐색하십시오 |
| 평가 | LLM을 평가하는 것은 쉽고 지저분하지 않습니다. 어두운 예술처럼 보일 수 있습니다. 그러나 MLFlow와 같은 일부 도구는 LLM을 평가하기위한 실험, 로깅, 추적 및 추적을 제공합니다. |
| 미세 조정 | 도메인 특정 작업을 처리하기 위해 LLM의 일반적인 사용은 미세 조정을 통한 것입니다. 도메인 특정 작업을 사용자 정의 된 응답, 톤 및 형식에 미세 조정하는 이유와시기 |
| 기능을 호전합니다 | LLM 기능을 확장하기 위해 OpenAI 및 Open-Source LLM FUNCITON 호출을 사용하는 방법 |
| llm-prompts | 폐쇄 및 오픈 소스 LLM 모델을 사용한 무수한 신속한 엔지니어링 기술 소개 |
| 누더기 | 검색 증강 생성 (RAG)은 LLM 응용 프로그램의 Taylor Swift입니다. 모두가 그들을 원합니다. 모두가 그들에 대해 글을 씁니다. 모두가 그들을 만듭니다. 다양한 유형의 래그에 대한 소개, 미세 조정을 통해 사용하는시기, 데이터를 구현하는 방법, 정확도를 높이고 응답의 halucination 감소 방법에 대한 소개 |
OpenAi, Anthropic, Google Gemmini 또는 모든 스케일 엔드 포인트를 사용하기 때문에 각 환경 템플릿 파일을 제공합니다 : ENV_ANYSCALE_TEMPLATE , ENV_ANTHOPOY_TEMPLATE , ENV_GOOGLE_TEMPLATE 및 ENV_OPENAI_TEMPLATE .
키와 모델 이름을 파일 중 하나에 추가하고 파일을 .env 에 최상위 디렉토리로 복사하십시오. OpenAI 코드를 모든 규모의 엔드 포인트로 마이그레이션하려면이 간단한 가이드를 사용하십시오. 대부분의 경우 마이그레이션은 원활합니다.
또한 일부 파이썬 라이브러리가 필요합니다. pip install -r requirements.txt 사용하여 설치하십시오.
참고 : API 키와 공개적으로 환경 파일을 공유하지 마십시오.
나는 기여를 환영합니다. 이것을 생성 AI 개발자 커뮤니티 중심 리소스로 만들어 봅시다. 귀하의 기여에는 이러한 방법 가이드의 추가 또는 확장이 포함될 수 있습니다.
복제를 피하기 위해 기존 문제를 확인하고 요청을 가져 오십시오. 예제 또는 안내서에 대한 제안이 있으면 문제 페이지에서 공유하십시오.
Genai Fun을 즐기십시오! ? ️
Jules
