genai cookbook
1.0.0
生成人工智能（Genai）正在通过引入前所未有的新颖性，创造力和生产力来迅速改变各种领域，“在我们的一生中创造了最大的技术转变”。 Genai凭借其对类似人类的自然语言指示的能力，为AI应用增加了一个新的交互式维度。从现有数据到实现以前无法想象的壮举，它生成了新内容（文本，音频，图像和视频）。此外，Genai在生产力方面表现出色，在速度和效率方面的某些任务表现优于人类。
欢迎使用Genai食谱，这是使用LLM的操作方法和指南的融合。该集合使用语言模型涵盖了广泛的自然语言处理（NLP）应用程序：
LLM提示策略：启动示例以提示技术DSPY框架：探索替代方案，以声明性和编程方法来促使工程进行编程LLMS简单聊天机器人：学习构建交互式AI检索生成增强（RAGS）的基础知识：将个人或组织响应的模型纳入更高的响应模型，以实现定制模型：扩展LLM功能的音调性：使用代理和功能通过与采用领先语言模型的外部工具和数据源进行交互来增强功能：使用OpenAI，Anthropic，Gemini，Gemini，Meta，Anyscale Endpoints，Ollama，Ollama和DataBricks的模型和推理平台的实用指南。
针对初学者开发人员，本书提供了示例代码和操作指南，展示了如何使用领先平台的API和框架。开始您的旅程并发现Genai的潜力。
要尝试这些示例，您需要一个OpenAI帐户和关联的API密钥，人类，Pinecone，Datrabricks Data Intelligent Platform或Anyscale Endpoint帐户和关联的密钥。更好的是，在笔记本电脑上安装Ollama。
所有示例和笔记本都在Python中，但是只要您可以用目标语言进行REST API调用或使用目标语言的SDK，概念就可以适应任何编程语言。
本食谱中的一些示例受到这些资源的启发（一些修改，扩展或复制），包括：
| 目录名称 | 描述 |
|---|---|
| genai_intro | Genai的一般简介，基础模型，GPTS |
| 代理商 | 什么是代理商，不断发展的代理档案，为什么使用它们以及如何撰写代理商 |
| 助手 | OpenAI助理扩展了LLM功能以工作并与外部工具进行互动，从而访问了Web服务和数据存储等外部服务。如何与Openai助手合作以实施代理商 |
| 聊天机器人 | 客户服务中的常见应用程序，如何使用提示技术与LLM一起编写简单和对话的聊天机器人 |
| DSPY | 快速概述声明框架编程llms：什么，为什么以及如何使用DSPY |
| 嵌入和vectordbs | 媒介嵌入介绍及其在LLM Gen应用程序的语义搜索中的作用。向量嵌入是检索增强产生的核心。探索通用矢量商店作为索引文档的撤退者 |
| 评估 | 评估LLM并不容易和混乱；这似乎是一门黑暗的艺术。但是有些工具（例如MLFlow）提供了实验，记录，跟踪和跟踪来评估LLMS |
| 微调 | LLM的常见使用来处理域特定任务是通过微调来进行的。为什么以及何时为您的域特定任务微调定制响应，音调和格式 |
| 函数呼叫 | 如何同时使用OpenAI和开源LLM Funciton致电扩展LLM功能 |
| LLM-PROMPTS | 使用封闭和开源LLM型号的众多及时及时工程技术简介 |
| 破布 | 检索增强生成（RAG）是LLM应用的Taylor Swift；每个人都想要他们；每个人都在写关于他们的书。每个人都建立它们。介绍不同类型的抹布，何时通过微调使用它们以及如何为数据实施它们，提高准确性并减少响应的Halucination |
由于我使用OpenAI，Anthropic，Google Gemmini或Anyscale端点，因此我提供各自的环境模板文件： Env_AnyScale_Template ， Env_anthropic_template ， Env_google_template和Env_openai_template 。
将您的键和模型名称添加到两个文件中，然后将文件复制到顶级目录。要将任何OpenAI代码迁移到任何尺度端点，请使用此简单指南。在大多数情况下，迁移是无缝的。
另外，您需要一些Python库。使用pip install -r requirements.txt安装它们。
注意：不要公开与API密钥共享您的环境文件。
我欢迎捐款。让我们将其作为生成的AI开发人员社区驱动的资源。您的贡献可以包括这些操作指南的添加或扩展。
检查现有问题并提取请求，以避免重复。如果您有示例或指南的建议，请在“问题”页面上分享。
玩得开心！ ？️
朱尔斯
