GenAI Showcase
1.0.0
생성 AI 사용 사례 저장소 생성 AI 사용 사례 저장소에 오신 것을 환영합니다! 이 포괄적 인 자원은 검색 AIG 세대 (RAG), AI 에이전트 및 산업 별 사용 사례를 포함하여 생성 AI의 최첨단 응용 프로그램을 보여줍니다. MongoDB가 벡터 데이터베이스, 운영 데이터베이스 및 메모리 제공 업체 역할을하는 RAG 파이프 라인 및 AI 에이전트와 어떻게 통합되는지 알아보십시오.
주요 기능 :
이 섹션에는 업계 중심 시나리오 및 일반 응용 프로그램에서 일반적으로 볼 수있는 사용 사례의 예가 포함되어 있습니다. 표의 각 항목에는 설명과 생산 수준 예제 및 관련 코드 링크가 포함됩니다.
| 유스 케이스 | 스택 | 링크 | 설명 |
|---|---|---|---|
| 고객 지원 챗봇 | JavaScript, Openai, Mongodb | MongoDB Chatbot 프레임 워크는 정교한 챗봇을 만들 수있는 라이브러리를 제공합니다. | |
| HR 지원 챗봇 | langgraph.js, 의인성, Openai, mongodb | langgraph.js 및 mongodb를 사용하여 AI 구동 HR 어시스턴트를 만듭니다 | |
| 트립 어드바이저 - Laravel, Openai 및 Atlas | PHP (Laravel), Openai, Mongodb | PHP, Laravel 및 Openai를 활용하여 Suphisticated 추천 엔진을 구축합니다. | |
| Mongodb ai 프레임 워크 | 키 AI 스택 구성 요소 | MAAP 프레임 워크는 MongoDB 및 Atlas 벡터 검색 및 관련 MAAP 파트너를 사용하여 RAG 애플리케이션을 구축하는 데 사용할 수있는 라이브러리 세트입니다. | |
| MongoDB 및 Buildship Agent | Mongodb Atlas, Buildship Low-Code, 의인성 | 이 안내서는 MongoDB 집계 및 삽입 통합 기능이있는 BuildShip의 No-Code 플랫폼을 사용하여 임대 예약 워크 플로우를 처리하기위한 AI 에이전트를 만드는 방법을 보여줍니다. |
| 제목 | 스택 | 콜랩 | 기사 |
|---|---|---|---|
| llama3, 포옹 얼굴 및 몽고 브로 헝겊 | 포옹 얼굴, llama3, mongodb | ||
| Claude 3 Opus 및 Mongodb를 사용하여 Rag 시스템을 구축하는 방법 | Mongodb, 의인성, 파이썬 | ||
| Polm AI 스택으로 헝겊 시스템을 구축하는 방법 | Polm (Python, Openai, Llamaindex, Mongodb) | ||
| MongoDB Langchain 캐시 메모리 Python 예제 | Polm (Python, Openai, Langchain, Mongodb) | ||
| MongoDB Langchain 캐시 메모리 JavaScript 예제 | JavaScript, Openai, Langchain, Mongodb | ||
| 순진한 헝겊 구현 예 | Polm (Python, Openai, Llamaindex, Mongodb) | ||
| Openai 텍스트 임베딩 예제 | Python, Mongodb, Openai | ||
| 포옹하는 얼굴과 mongodb 예제가있는 걸레 | 포옹 얼굴, 젬마, 몽고 브 | ||
| PDF 예제와 채팅하십시오 | Python, Mongodb, Openai, Langchain | ||
| 헝겊 파이프 라인 | Python, Mongodb, Gemma2, Keranlp | ||
| 열린 모델이있는 헝겊 파이프 라인 | Python, Mongodb, Gemma2, 포옹 얼굴 | ||
| Mongodb 및 Haystack Cooking Advisor | 파이썬, 건초 더미, Openai | ||
| MongoDB 및 시맨틱 커널 영화 추천 봇 | C# 콘솔 앱, MongoDB, Semantic 커널, Azure Openai 또는 OpenAi | Github Repo | 기사보기 |
| 자산 관리자 Rag Chatbot을 구축하십시오 | 코셔, MongoDB, Python | 곧 올 것입니다 | |
| LLM Evals 및 중재와 함께 자산 관리자 챗봇 | Gemma 2B, Shieldgemma, Mongodb, Python | ||
| MongoDB 및 Spring AI를 사용한 가사 시맨틱 검색 | Java, Spring Ai, Openai, Mongodb | Github Repo | |
| Terraforming AI Workflows : Mongodb Atlas 및 Spring AI를 가진 Rag | Java, Spring Ai, Openai, Mongodb, Terraform | Github Repo |
에이전트는 환경에 대한 인식을 가진 인공 계산 실체입니다. 장기 및 단기 메모리로 뒷받침되는 기초 모델을 통한 입력, 도구 사용을 통한 행동 및인지 능력을 통한 인식을 가능하게하는 교수진이 장착되어 있습니다. AI 내에서 에이전트는 대규모 언어 모델에 의해 가능해지는 환경 인식을 기반으로 한 행동을 수행 할 수있는 인공 기관이 있습니다.
| 제목 | 스택 | Colab 링크 | 기사 링크 |
|---|---|---|---|
| 에이전트 공장 안전 보조원 | langgraph, 오픈 ai, mongodb, langchain | ||
| AI 연구 조교 | 불꽃 놀이 AI, Mongodb, Langchain | ||
| AI Investment 연구원 | Mongodb, Crewai 및 Langchain | ||
| 에이전트 래그 : 권장 멘션 시스템 | 클로드 3.5, Llamaindex, Mongodb | ||
| 에이전트 HR 챗봇 | Claude 3.5, Langgraph, Mongodb | 곧 올 것입니다 | |
| AWS 기반 에이전트 | Claude 3, AWS 기반암, Python, Mongodb | ||
| 자산 관리자 보조원 | langgraph, openai, 의인화, mongodb | ||
| Tavily 및 MongoDB로 작업 메모리 구현 | Python, Tavily, Mongodb | ||
| AI 식품 보조원 | 시맨틱 커널, C#, Openai, Mongodb | Github Repo | 곧 올 것입니다 |
이 폴더에는 모든 기존 기계 학습 자습서가 포함됩니다. 여기에는 중요한 설명, 단계별 지침 및 독자가 처음부터 끝까지 튜토리얼에 따라 성공하기 위해 독자가 필요로하는 모든 것이 포함됩니다.
| 제목 | Colab 링크 |
|---|---|
| 별에 작성 : Tensorflow 및 MongoDB 차트로 미래를 예측하십시오. |
이 MongoDB 특정 튜토리얼은 인공 지능 또는 기계 학습과 통합 된 특정 MongoDB 플랫폼을 보여주기위한 것입니다. 이 단계별 자습서를 통해 독자는 플랫폼뿐만 아니라 AI 사용 사례를 진정으로 이해할 수 있습니다.
| 제목 | Colab 링크 |
|---|---|
| Aperol Spritz 여름 Mongodb Geospatial Queries & Vector Search | |
| 극작가, Openai 및 Mongodb Atlas Search와 함께 한 모금, Swig 및 검색 | |
| 코셔 및 mongoDB로 양자화 된 벡터를 섭취합니다 | |
| MongoDB를 사용한 양자화 된 벡터 대 비 정량화 벡터 평가 |
워크샵은 LLM 응용 프로그램을 개발하는 단계별 프로세스를 통해 학습자를 데려 오도록 설계되었습니다. 이 워크샵에는 노트북 및 프로젝트 내에서 제공되는 필수 설명, 정의 및 리소스가 포함됩니다. 각 워크숍은 기본 지식을 구축하고보다 복잡한 주제로 점차 발전하도록 구성되어 있습니다. 실습 및 실제 사례는 학습자가 개념을 효과적으로 적용 할 수 있도록하여 생성 AI 응용 프로그램의 통합 및 배치를보다 쉽게 이해할 수 있도록합니다.
| 제목 | Colab 링크 |
|---|---|
| 실용적인 LLM 응용 프로그램 개발 : RAG 파이프 라인에서 AI 에이전트까지 | |
| Nextjs 및 Atlas 벡터 검색으로 챗봇 구축 |
생성 AI 모델로 작업하기위한 유용한 도구 및 유틸리티 :
다음은 LLM 애플리케이션 POC 및 데모에 사용할 임베딩이 포함 된 다양한 데이터 세트입니다. 모든 데이터 세트는 해당 포옹 페이스 페이지에서 액세스하고 다운로드 할 수 있습니다.
| 데이터 세트 이름 | 설명 | 링크 |
|---|---|---|
| 우주 모르미비아 | 데이터 Cosmopedia 데이터 세트의 서브 세트의 청크 버전 | |
| 영화 산업 | 벡터 검색을위한 타이틀, 릴리스 연도, 캐스트 및 Openai 임베딩을 포함한 서양, 액션 및 판타지 영화. | |
| 에어 비앤비 | 속성 설명, 리뷰, 메타 데이터 및 임베딩이있는 에어 비앤비 목록 데이터 세트. | |
| 기술 뉴스 | 귀중한 기술 회사에 관한 2022 년과 2023 년의 기술 뉴스 기사. | |
| 식당 | 위치, 요리, 등급, 산업 분석, 권장 사항 및 지리적 연구가있는 식당 데이터 세트. | |
| 서브 세트 ARXIV 용지 | 이 ARXIV 서브 세트에는 제목, 저자 및 초록을 결합하여 생성 된 각 항목에 대해 256 차원 개방형 임베드가 있습니다. |
AI의 생각 리더십은 선택 사항이 아니며, 우리는 그것을 진지하게 받아들입니다. 그렇기 때문에 우리는 팀이 제작 한 기사와 작품을 큐 레이트하여 대화 준비가되었으며 AI 제품을 구축 할 때 중요한 결정을 내릴 수있는 올바른 정보를 갖추게되었습니다.
| 제목 | 링크 |
|---|---|
| AI 스택이란 무엇입니까? | |
| llmlingua 및 langchain을 사용하여 즉각적인 압축으로 LLM 애플리케이션을 최적화하는 방법 | |
| Atlas 벡터 검색이란 무엇입니까? | |
| LLM 응용 프로그램에 올바른 청크 전략을 선택하는 방법 | |
| LLM 응용 프로그램에 올바른 임베딩 모델을 선택하는 방법 | |
| LLM 응용 프로그램을 평가하는 방법 |
우리는 기여를 환영합니다! 참여 방법에 대한 자세한 내용은 기여 가이드 라인을 읽으십시오.
이 프로젝트는 MIT 라이센스에 따라 라이센스가 부여됩니다.
질문이나 제안에 대해 자유롭게 연락하십시오.
