หน้าแรก>การเขียนโปรแกรมที่เกี่ยวข้อง>ซอร์สโค้ดอื่น ๆ
ดาวน์โหลด

การใช้งาน AI ที่ใช้งาน

การแนะนำ

การใช้งาน AI การใช้งานที่เก็บข้อมูลยินดีต้อนรับสู่การใช้งาน AI Case ที่เก็บข้อมูล! ทรัพยากรที่ครอบคลุมนี้นำเสนอแอพพลิเคชั่นที่ทันสมัยใน AI Generative รวมถึง Generation Retrieval-Augmented Generation (RAG) ตัวแทน AI และกรณีการใช้งานเฉพาะอุตสาหกรรม ค้นพบว่า MongoDB รวมเข้ากับท่อ RAG และตัวแทน AI ได้อย่างไรทำหน้าที่เป็นฐานข้อมูลเวกเตอร์ฐานข้อมูลการดำเนินงานและผู้ให้บริการหน่วยความจำ

คุณสมบัติที่สำคัญ:

  • ท่อส่งผ้าขี้ริ้วและแอพพลิเคชั่นใช้ประโยชน์จาก MongoDB สำหรับการดึงข้อมูลและการจัดการที่มีประสิทธิภาพ
  • ตัวแทน AI ที่ใช้ MongoDB เป็นผู้ให้บริการหน่วยความจำที่ปรับขนาดได้
  • สมุดบันทึกและคำแนะนำเกี่ยวกับกรอบงานเช่น Llamaidex, Haystack และ Langchain
  • การบูรณาการกับโมเดลที่ทันสมัยจากมานุษยวิทยาและ openai
  • กรณีการใช้งานเฉพาะอุตสาหกรรมในการดูแลสุขภาพการเงินอีคอมเมิร์ซและอื่น ๆ

สารบัญ

  • การแนะนำ
  • ใช้เคส
  • สมุดบันทึก
    • การประเมินผล
    • ผ้าขี้ริ้ว
    • ตัวแทน
    • เวิร์กช็อป
  • เครื่องมือ
  • ชุดข้อมูล
  • ความรู้ทั่วไป
  • การบริจาค
  • ใบอนุญาต
  • ติดต่อ

ใช้เคส

ส่วนนี้มีตัวอย่างของกรณีการใช้งานที่พบเห็นได้ทั่วไปในสถานการณ์ที่เน้นอุตสาหกรรมและแอปพลิเคชันทั่วไป แต่ละรายการในตารางประกอบด้วยคำอธิบายและลิงก์ไปยังตัวอย่างระดับการผลิตและรหัสที่เกี่ยวข้อง

ใช้เคส กองซ้อน การเชื่อมโยง คำอธิบาย
ผู้สนับสนุนลูกค้า Chatbot JavaScript, Openai, MongoDB MongoDB Chatbot Framework จัดเตรียมห้องสมุดที่เปิดใช้งานการสร้าง chatbot ที่ซับซ้อน
HR Support Chatbot langgraph.js, มานุษยวิทยา, openai, mongoDB สร้างผู้ช่วย HR ที่ขับเคลื่อนด้วย AI โดยใช้ langgraph.js และ mongoDB
Trip Advisor - Laravel, Openai และ Atlas PHP (Laravel), Openai, MongoDB ใช้ประโยชน์จาก PHP, Laravel และ OpenAI เพื่อสร้างเอ็นจิ้นคำแนะนำที่มี suphisticated
MongoDB AI Framework คีย์ AI สแต็กส่วนประกอบ MAAP Framework เป็นชุดของไลบรารีที่คุณสามารถใช้ในการสร้างแอปพลิเคชัน RAG ของคุณโดยใช้ MongoDB และ ATLAS Vector Search และ MAAP ที่เกี่ยวข้อง
MongoDB และตัวแทนอาคาร MongoDB Atlas, การสร้างรหัสต่ำ, มานุษยวิทยา คู่มือนี้แสดงให้เห็นถึงวิธีการสร้างตัวแทน AI สำหรับการจัดการเวิร์กโฟลว์การจองการเช่าโดยใช้แพลตฟอร์ม No-Code ของ Buildship ด้วยการรวม MongoDB และการรวมการรวมเข้าด้วยกัน

การประเมินผล

  • ประเมินแอปพลิเคชัน LLM ของคุณ
  • การประเมินผลการฝังมุม
  • การประเมิน Openai Embeddings
  • Voyageai Embeddings การประเมินผล

ผ้าขี้ริ้ว

ชื่อ กองซ้อน การกิน บทความ
ผ้าขี้ริ้วกับ llama3 กอดใบหน้าและ mongoDB กอดหน้า, llama3, mongoDB
วิธีสร้างระบบผ้าขี้ริ้วโดยใช้ Claude 3 Opus และ MongoDB MongoDB, มานุษยวิทยา, Python
วิธีการสร้างระบบผ้าขี้ริ้วด้วยสแต็ค Polm AI POLM (Python, Openai, Llamaidex, MongoDB)
MongoDB Langchain Cache Memory ตัวอย่าง Python POLM (Python, Openai, Langchain, MongoDB)
MongoDB Langchain Cache Memory JavaScript ตัวอย่าง Javascript, Openai, Langchain, MongoDB
ตัวอย่างการใช้งานผ้าขี้ริ้วที่ไร้เดียงสา POLM (Python, Openai, Llamaidex, MongoDB)
ตัวอย่างการฝังข้อความ openai Python, MongoDB, Openai
ผ้าขี้ริ้วที่มีใบหน้ากอดและตัวอย่าง MongoDB กอดใบหน้า, เจมม่า, MongoDB
แชทกับตัวอย่าง PDF Python, MongoDB, Openai, Langchain
ท่อผ้าขี้ริ้ว Python, MongoDB, Gemma2, Keranlp
ไปป์ไลน์ผ้าขี้ริ้วพร้อมรุ่นเปิด Python, MongoDB, Gemma2, กอดหน้า
MongoDB และ Haystack Cooking Advisor Python, Haystack, Openai
MongoDB และ Semantic Kernel Movie คำแนะนำบอทบอท C# แอพคอนโซล, MongoDB, เคอร์เนลความหมาย, Azure Openai หรือ Openai GitHub repo ดูบทความ
สร้างผู้จัดการสินทรัพย์ Rag Chatbot Cohere, MongoDB, Python เร็วๆ นี้
ผู้จัดการสินทรัพย์ chatbot ด้วย LLM evals และการกลั่นกรอง Gemma 2B, ShieldGemma, MongoDB, Python
Lyric Semantic Search กับ MongoDB และ Spring AI Java, Spring AI, Openai, MongoDB GitHub repo
เวิร์กโฟลว์ AI Terraforming: ผ้าขี้ริ้วกับ MongoDB Atlas และ Spring AI Java, Spring AI, Openai, MongoDB, Terraform GitHub repo

ตัวแทน

ตัวแทนเป็นหน่วยงานคำนวณเทียมที่มีความตระหนักถึงสภาพแวดล้อม มันติดตั้งคณะที่เปิดใช้งานการรับรู้ผ่านการป้อนข้อมูลการกระทำผ่านการใช้เครื่องมือและความสามารถทางปัญญาผ่านแบบจำลองพื้นฐานที่ได้รับการสนับสนุนโดยหน่วยความจำระยะยาวและระยะสั้น ภายใน AI ตัวแทนเป็นหน่วยงานเทียมที่สามารถตัดสินใจได้อย่างชาญฉลาดตามด้วยการกระทำตามการรับรู้ด้านสิ่งแวดล้อมซึ่งเปิดใช้งานโดยแบบจำลองภาษาขนาดใหญ่

ชื่อ กองซ้อน ลิงค์ colab ลิงค์บทความ
ผู้ช่วยความปลอดภัยจากโรงงานตัวแทน Langgraph, Open AI, MongoDB, Langchain
ผู้ช่วยวิจัย AI ดอกไม้ไฟ AI, MongoDB, Langchain
นักวิจัยการลงทุน AI MongoDB, Crewai และ Langchain
Agentic Rag: ระบบ recommmendation Claude 3.5, Llamaindex, MongoDB
ตัวแทน HR Chatbot Claude 3.5, Langgraph, MongoDB เร็วๆ นี้
Aws Bedrock Agent Claude 3, Aws Bedrock, Python, MongoDB
ผู้ช่วยผู้จัดการสินทรัพย์ Langgraph, Openai, มานุษยวิทยา, MongoDB
การใช้หน่วยความจำในการทำงานกับ Tavily และ MongoDB Python, Tavily, MongoDB
ผู้ช่วยอาหาร AI เคอร์เนลความหมาย, C#, Openai, MongoDB GitHub repo เร็วๆ นี้

มล.

โฟลเดอร์นี้จะมีแบบฝึกหัดการเรียนรู้ของเครื่องจักรแบบดั้งเดิมทั้งหมด พวกเขารวมถึงคำอธิบายที่สำคัญคำแนะนำทีละขั้นตอนและทุกสิ่งที่ผู้อ่านต้องการเพื่อให้ประสบความสำเร็จหลังจากการสอนตั้งแต่ต้นจนจบ

ชื่อ ลิงค์ colab
เขียนในดวงดาว: ทำนายอนาคตของคุณด้วยแผนภูมิ Tensorflow และ MongoDB

MongoDB เฉพาะ

บทเรียนเฉพาะ MongoDB เหล่านี้มีไว้เพื่อแสดงแพลตฟอร์ม MongoDB เฉพาะที่รวมเข้ากับปัญญาประดิษฐ์หรือการเรียนรู้ของเครื่อง บทช่วยสอนทีละขั้นตอนเหล่านี้จะช่วยให้ผู้อ่านเข้าใจไม่เพียง แต่แพลตฟอร์มเท่านั้น แต่ยังรวมถึงกรณีการใช้งาน AI ด้วย

ชื่อ ลิงค์ colab
Aperol Spritz Summer พร้อม MongoDB Geospatial Queries & Vector Search
SIP, Swig และค้นหาด้วยนักเขียนบทละคร, Openai และ MongoDB Atlas Search
การบริโภคเวกเตอร์เชิงปริมาณด้วย Coere และ MongoDB
การประเมินเวกเตอร์เชิงปริมาณเทียบกับเวกเตอร์ที่ไม่ควอน

เวิร์กช็อป

เวิร์กช็อปได้รับการออกแบบมาเพื่อนำผู้เรียนผ่านกระบวนการพัฒนาแอปพลิเคชัน LLM ทีละขั้นตอน การประชุมเชิงปฏิบัติการเหล่านี้รวมถึงคำอธิบายที่สำคัญคำจำกัดความและทรัพยากรที่มีให้ภายในสมุดบันทึกและโครงการ การประชุมเชิงปฏิบัติการแต่ละครั้งมีโครงสร้างเพื่อสร้างความรู้พื้นฐานและพัฒนาไปสู่หัวข้อที่ซับซ้อนมากขึ้น แบบฝึกหัดเชิงปฏิบัติและตัวอย่างในโลกแห่งความเป็นจริงทำให้มั่นใจได้ว่าผู้เรียนสามารถใช้แนวคิดได้อย่างมีประสิทธิภาพทำให้ง่ายต่อการเข้าใจการรวมและการปรับใช้แอปพลิเคชัน AI แบบกำเนิด

ชื่อ ลิงค์ colab
การพัฒนาแอปพลิเคชัน LLM ในทางปฏิบัติ: จากท่อส่ง RAG ไปจนถึง AI Agent
การสร้าง chatbots ด้วยการค้นหาเวกเตอร์ NextJs และ Atlas

เครื่องมือ

เครื่องมือและยูทิลิตี้ที่มีประโยชน์สำหรับการทำงานกับรุ่น AI แบบกำเนิด:

  • Embeddings Generator: ชุดของสคริปต์สำหรับการสร้างและจัดการกับการฝังตัว
  • MongoDB เป็นกล่องเครื่องมือสำหรับระบบตัวแทน

ชุดข้อมูล

ด้านล่างนี้เป็นชุดข้อมูลต่าง ๆ ที่มี EMBEDDINGS สำหรับใช้ในแอปพลิเคชัน LLM และการสาธิต ชุดข้อมูลทั้งหมดสามารถเข้าถึงและดาวน์โหลดได้จากหน้า Hugging Face ตามลำดับ

ชื่อชุดข้อมูล คำอธิบาย การเชื่อมโยง
คอสโมเด็น ชุดข้อมูลย่อยของชุดข้อมูล Data Cosmopedia
ภาพยนตร์ ภาพยนตร์ตะวันตกแอ็คชั่นและแฟนตาซีรวมถึงชื่อเรื่องปีวางจำหน่ายนักแสดงและ Openai Embeddings สำหรับการค้นหาเวกเตอร์
Airbnb ชุดข้อมูลรายชื่อ Airbnb พร้อมคำอธิบายคุณสมบัติบทวิจารณ์ข้อมูลเมตาและการฝังตัว
ข่าวเทค บทความข่าวเทคโนโลยีตั้งแต่ปี 2565 และ 2566 ใน บริษัท เทคโนโลยีที่มีค่า
ร้านอาหาร ชุดข้อมูลร้านอาหารที่มีที่ตั้งอาหารการจัดอันดับคุณลักษณะสำหรับการวิเคราะห์อุตสาหกรรมคำแนะนำและการศึกษาทางภูมิศาสตร์
เอกสารอาร์กซิฟชุดย่อย ชุดย่อย arxiv นี้มีการฝังตัว OpenAI 256 มิติสำหรับแต่ละรายการที่สร้างขึ้นโดยการรวมชื่อชื่อผู้แต่งและนามธรรม

ความรู้ทั่วไป

ความเป็นผู้นำทางความคิดใน AI ไม่ใช่ตัวเลือกเราให้ความสำคัญกับมันอย่างจริงจัง นั่นเป็นเหตุผลที่เราได้รวบรวมบทความและชิ้นส่วนที่สร้างโดยทีมงานของเราเพื่อให้คุณได้รับการสนทนาพร้อมและติดตั้งข้อมูลที่ถูกต้องเพื่อทำการตัดสินใจที่สำคัญเมื่อสร้างผลิตภัณฑ์ AI

ชื่อ การเชื่อมโยง
AI Stack คืออะไร?
วิธีการเพิ่มประสิทธิภาพแอปพลิเคชัน LLM ด้วยการบีบอัดที่รวดเร็วโดยใช้ Llmlingua และ Langchain
Atlas Vector Search คืออะไร
วิธีการเลือกกลยุทธ์การใช้ Chunking ที่เหมาะสมสำหรับแอปพลิเคชัน LLM ของคุณ
วิธีเลือกรูปแบบการฝังที่เหมาะสมสำหรับแอปพลิเคชัน LLM ของคุณ
วิธีประเมินแอปพลิเคชัน LLM ของคุณ

การบริจาค

เรายินดีต้อนรับผลงาน! โปรดอ่านแนวทางการบริจาคของเราสำหรับข้อมูลเพิ่มเติมเกี่ยวกับวิธีการเข้าร่วม

ใบอนุญาต

โครงการนี้ได้รับใบอนุญาตภายใต้ใบอนุญาต MIT

ติดต่อ

อย่าลังเลที่จะเข้าถึงข้อสงสัยหรือข้อเสนอแนะใด ๆ :

ขยาย
ข้อมูลเพิ่มเติม
แอปที่เกี่ยวข้อง
แนะนำสำหรับคุณ
ข้อมูลที่เกี่ยวข้อง ทั้งหมด