หน้าแรก>การเขียนโปรแกรมที่เกี่ยวข้อง>ซอร์สโค้ดอื่น ๆ
ดาวน์โหลด

ตำราอาหาร Genai

ปัญญาประดิษฐ์กำเนิด (GENAI) กำลังเปลี่ยนแปลงโดเมนต่าง ๆ อย่างรวดเร็วโดยการแนะนำระดับความแปลกใหม่ความคิดสร้างสรรค์และผลผลิต "การสร้างการเปลี่ยนแปลงทางเทคโนโลยีที่ใหญ่ที่สุดในช่วงชีวิตของเรา" ด้วยความสามารถในการตอบสนองต่อคำแนะนำภาษาธรรมชาติที่เหมือนมนุษย์ Genai เพิ่มมิติแบบโต้ตอบใหม่ให้กับแอปพลิเคชัน AI มันสร้างเนื้อหาใหม่ - ข้อความเสียงรูปภาพและวิดีโอ - จากข้อมูลที่มีอยู่เพื่อให้บรรลุผลสำเร็จไม่ได้ก่อนหน้านี้ นอกจากนี้ Genai ยังมีผลผลิตที่ดีกว่ามนุษย์ในงานบางอย่างด้วยความเร็วและประสิทธิภาพ

ยินดีต้อนรับสู่ Genai Cookbook การผสมผสานระหว่างสูตรวิธีการและคำแนะนำสำหรับการใช้ LLMS คอลเลกชันนี้ครอบคลุมแอพพลิเคชั่นการประมวลผลภาษาธรรมชาติ (NLP) ที่หลากหลายโดยใช้แบบจำลองภาษา:

กลยุทธ์การแจ้งเตือน LLM : ตัวอย่างเริ่มต้นเพื่อกระตุ้นเทคนิค DSPY Framework : สำรวจทางเลือกเพื่อให้วิศวกรรมพร้อมวิธีการ ที่ประกาศ และเป็นโปรแกรมในการเขียนโปรแกรม LLMS chatbots ง่าย ๆ : เรียนรู้พื้นฐานของการสร้าง การตอบสนองการตอบสนองการตอบโต้ AI รูปแบบรูปแบบและ การใช้งานด้านการขยายฟังก์ชั่น LLM : ใช้ตัวแทนและฟังก์ชั่นเพื่อเพิ่มขีดความสามารถโดยการโต้ตอบกับเครื่องมือภายนอกและแหล่งข้อมูล ที่ใช้แบบจำลองภาษาชั้นนำ : คู่มือที่ใช้งานได้จริงสำหรับการใช้แบบจำลองและแพลตฟอร์มการอนุมานจาก OpenAI, มานุษยวิทยา, Gemini, Meta

มุ่งเป้าไปที่นักพัฒนามือใหม่หนังสือเล่มนี้ให้รหัสตัวอย่างและคำแนะนำวิธีการจัดแสดงวิธีการใช้ APIs และ Frameworks จากแพลตฟอร์มชั้นนำ เริ่มต้นการเดินทางของคุณและค้นพบศักยภาพของ Genai

ในการลองตัวอย่างเหล่านี้คุณจะต้องมีบัญชี OpenAI และคีย์ API ที่เกี่ยวข้อง, มานุษยวิทยา, Pinecone, แพลตฟอร์มข้อมูลอัจฉริยะ Datrabricks Datrabricks หรือบัญชี OneScale Endpoint และคีย์ที่เกี่ยวข้อง ยิ่งไปกว่านั้นติดตั้ง Ollama บนแล็ปท็อปของคุณ

ตัวอย่างและสมุดบันทึกทั้งหมดอยู่ใน Python แต่แนวคิดสามารถปรับให้เข้ากับภาษาการเขียนโปรแกรมใด ๆ ตราบใดที่คุณสามารถโทร REST API ในภาษาเป้าหมายหรือใช้ SDK ของภาษาเป้าหมาย

ตัวอย่างบางส่วนในตำราอาหารนี้ได้รับแรงบันดาลใจ (บางส่วนแก้ไขขยายหรือคัดลอก) จากทรัพยากรเหล่านี้รวมถึง:

  • Openai Cookbook
  • คู่มือวิศวกรรมพรอมต์ OpenAI
  • คู่มือวิศวกรรมที่รวดเร็วและหลักสูตรวิศวกรรมที่รวดเร็วโดย Elvis Saravia
  • ฉันได้รับรางวัลการแข่งขันวิศวกรรมที่รวดเร็วของ GPT-4 ของสิงคโปร์อย่างไรโดย Sheila Teo
  • เอกสาร Ray และบล็อก Anyscale
  • เอกสารจุดสิ้นสุดของ OneScale
  • นักพัฒนามานุษยวิทยาและคู่มือผู้ใช้
  • chatgpt วิศวกรรมพรอมต์สำหรับนักพัฒนา
  • Langchain สำหรับการพัฒนาแอปพลิเคชัน LLM
  • ระบบการสร้างระบบ API Chatgpt
  • DSPY: กรอบการเขียนโปรแกรมสำหรับแบบจำลองภาษา
  • โพสต์บล็อกกลางต่าง ๆ ที่อ้างถึงเป็นแหล่งข้อมูลในบทที่บล็อกที่เผยแพร่บนสื่อ

โครงสร้างไดเรกทอรีหรือบทสำหรับหนังสือเล่มนี้

ชื่อไดเรกทอรี คำอธิบาย
genai_intro บทนำทั่วไปเกี่ยวกับ Genai, โมเดลมูลนิธิ, GPTS
ตัวแทน ตัวแทนคืออะไร Agent Agent Archicture ทำไมต้องใช้พวกเขาและวิธีการเขียนตัวแทน
ผู้ช่วย ผู้ช่วย OpenAI ขยายฟังก์ชั่น LLM ไปทำงานและโต้ตอบกับเครื่องมือภายนอกทำให้สามารถเข้าถึงบริการภายนอกเช่นบริการเว็บและที่เก็บข้อมูล วิธีการทำงานกับผู้ช่วย OpenAI เพื่อดำเนินการตามตัวแทน
แชทบอท แอปพลิเคชันทั่วไปในการบริการลูกค้าวิธีการเขียน chatbots ที่ง่ายและสนทนาด้วย LLM โดยใช้เทคนิคการแจ้งเตือน
dspy ภาพรวมอย่างรวดเร็วของเฟรมเวิร์กประกาศใช้งานโปรแกรม LLMS: อะไรและทำไมและวิธีการใช้ DSPY
ฝังและ vectordbs รู้เบื้องต้นเกี่ยวกับการฝังเวกเตอร์และบทบาทของพวกเขาในการค้นหาความหมายสำหรับแอพ LLM Gen การฝังตัวของเวกเตอร์เป็นศูนย์กลางในการสร้างการเพิ่มการสร้าง สำรวจร้านค้าเวกเตอร์ทั่วไปเป็นผู้รีดสำหรับเอกสารที่จัดทำดัชนี
การประเมิน การประเมิน LLM นั้นไม่ใช่เรื่องง่ายและยุ่งมันอาจดูเหมือนเป็นศิลปะมืด แต่เครื่องมือบางอย่างเช่น MLFlow ให้การทดลองการบันทึกการติดตามและการติดตามเพื่อประเมิน LLMS
การปรับแต่ง การใช้งานทั่วไปของ LLM เพื่อจัดการงานเฉพาะของโดเมนผ่านการปรับแต่งอย่างละเอียด ทำไมและเมื่อใดที่จะปรับแต่งสำหรับงานเฉพาะโดเมนของคุณเพื่อการตอบสนองที่กำหนดเองเสียงและรูปแบบที่กำหนดเอง
การเรียกใช้ฟังก์ชัน วิธีใช้ทั้ง OpenAI และ Open-Source LLM Funciton Calling เพื่อขยายฟังก์ชั่น LLM
llm-prompts การแนะนำเทคนิคทางวิศวกรรมที่รวดเร็วมากมายโดยใช้แบบจำลอง LLM แบบปิดและโอเพนซอร์ส LLM
ผ้าขี้ริ้ว การสร้างการเพิ่มการเพิ่ม (RAG) เป็น Taylor Swift ของแอปพลิเคชัน LLM; ทุกคนต้องการพวกเขา ทุกคนเขียนเกี่ยวกับพวกเขา ทุกคนสร้างพวกเขา บทนำเกี่ยวกับผ้าขี้ริ้วประเภทต่าง ๆ เมื่อใดที่จะใช้มันผ่านการปรับแต่งอย่างละเอียดและวิธีการใช้งานสำหรับข้อมูลของคุณเพิ่มความแม่นยำและลดระดับฮาลิโคมิเนชั่นในการตอบสนองของคุณ

บล็อกปัจจุบันเกี่ยวกับบทตำรานี้

  • เทคนิคการแจ้งเตือนที่ดีที่สุดสำหรับการตอบสนอง LLM ที่ดีที่สุด
  • LLM เกินขีดความสามารถหลักในฐานะผู้ช่วย AI หรือตัวแทน
  • การสร้างประสบการณ์ผู้ใช้อัจฉริยะ: การดำน้ำลึกลงไปใน OpenAI Assistants API API
  • คู่มือ 101 ที่ใช้งานง่ายสำหรับการฝังเวกเตอร์
  • ทัวร์เชิงสำรวจของกระบวนทัศน์ Augmented Generation (RAG)
  • ทัวร์สำรวจของ DSPY: กรอบการทำงานสำหรับการเขียนโปรแกรมแบบจำลองภาษาไม่ใช่การแจ้งเตือน
  • ทำความเข้าใจกับ optimizers ใน dspy

ไฟล์สภาพแวดล้อม

เนื่องจากฉันใช้ Openai, Manthropic, Google Gemmini หรือ OneScale endpoints ฉันให้ไฟล์เทมเพลตสภาพแวดล้อมที่เกี่ยวข้อง: ENV_ANYSCALE_TEMPLATE , Env_Anthropic_Template , Env_Google_Template และ Env_Openai_Template

เพิ่มคีย์และชื่อรุ่นของคุณไปยังไฟล์ใดไฟล์หนึ่งและคัดลอกไฟล์ไปยัง . ENV ไปยังไดเรกทอรีระดับบนสุด ในการโยกย้ายรหัส OpenAI ใด ๆ ไปยังจุดสิ้นสุดใด ๆ ให้ใช้คู่มือง่ายๆนี้ ส่วนใหญ่การย้ายถิ่นนั้นราบรื่น

นอกจากนี้คุณจะต้องใช้ไลบรารี Python ใช้ pip install -r requirements.txt เพื่อติดตั้ง

หมายเหตุ : อย่าแชร์ไฟล์สภาพแวดล้อมของคุณกับคีย์ API ต่อสาธารณะ

การบริจาค

ฉันยินดีต้อนรับการมีส่วนร่วม มาทำให้นี่เป็นทรัพยากรที่ขับเคลื่อนด้วยชุมชน AI การมีส่วนร่วมของคุณอาจรวมถึงการเพิ่มเติมหรือการขยายตัวของคู่มือวิธีการเหล่านี้

ตรวจสอบปัญหาที่มีอยู่และดึงคำขอก่อนที่จะมีส่วนร่วมเพื่อหลีกเลี่ยงการทำซ้ำ หากคุณมีข้อเสนอแนะสำหรับตัวอย่างหรือคำแนะนำให้แบ่งปันในหน้าปัญหา

ขอให้ Genai สนุก! ?

จูลส์

ขยาย
ข้อมูลเพิ่มเติม
แอปที่เกี่ยวข้อง
แนะนำสำหรับคุณ
ข้อมูลที่เกี่ยวข้อง ทั้งหมด