ChatGPT与大模型研究

一套面向业务的生成式AI系统（GenAISys）需要具备灵活性，能够应对快速变化的AI市场环境。AI控制器作为电商营销、生产、存储、分发和支持的自适应编排者，必须满足多样化任务需求，因此需要一个检索增

生成式人工智能系统（GenAISys）的控制器需要两个关键组件：对话代理和编排器。对话代理由生成式 AI 模型驱动，与人类用户和系统流程交互。另一方面，编排器则是一组生成式 AI 和非 AI 功能，例

在组织中实施生成式人工智能系统（Generative AI System，简称 GenAISys）不仅仅是通过 API 集成一个独立的模型，如 GPT、Grok、Llama 或 Gemini。虽然这通

在前几章中，我们介绍了 Haystack 和基于 Python 的智能应用。虽然 Python 是数据科学家首选的语言框架，但在某些场景下，我们可能需要其他框架来构建解决方案。另一个广泛使用的语言框架

基于上一章介绍的基础搜索功能，本章将探索更复杂的知识探索、图推理和性能优化技术。在本章中，我们将利用 Neo4j 的高级功能，重点介绍如何将这些功能与 Haystack 集成，打造更智能的 AI 驱动

在本章中，我们将开始探索如何将 Haystack 与 Neo4j 集成，结合大语言模型（LLMs）和图数据库的能力，构建一个 AI 驱动的搜索系统。Haystack 是一个开源框架，支持开发者利用现代

在前几章中，我们了解到知识图谱作为一种变革性工具出现，提供了一种结构化方式连接多样化的数据点，支持更智能的搜索、推荐和推理能力，应用范围广泛。 知识图谱擅长捕捉实体间复杂关系，是需要深度上下文理解的应

在上一章中，我们了解了什么是RAG，以及如何结合大型语言模型（LLMs）实现一些简单的RAG流程示例。本章将聚焦于知识图谱的概念，以及图结构如何提升检索增强生成（RAG）的效果。我们将探讨如何构建知识

上一章中，我们探讨了大型语言模型（LLMs）的演进及其如何改变了生成式人工智能（GenAI）的格局，同时也讨论了一些其存在的缺陷。本章将介绍如何通过检索增强生成（Retrieval-Augmented

人工智能（AI）正从小众和专业领域逐渐走向大众，更加易于使用，能够辅助日常任务。其中最典型的例子便是生成式人工智能（Generative AI，简称 GenAI）的爆发式发展。近年来，GenAI 以其

在第二章里，我们讲了大型语言模型（LLMs）是怎么把文本看成一个个基本单位，也就是「tokens」的。现在，我们要来聊聊：模型在看到这些 token 之后，接下来会做什么？ 大语言模型生成文本的方式，

在第 1 章我们提到过，在讲人工智能时，很多时候我们会用类比人类学习的方式来解释“机器是怎么学会东西的”。 比如你现在读一段话，理解它的过程其实很复杂：随着年龄增长，你的理解方式也在变，而且还涉及到很

最近，像“机器学习”（ML）、“深度学习”（DL）、“人工智能”（AI）这样的词，真的是火得不行。很多人第一次接触这些概念，是因为一个叫 ChatGPT 的产品——它是由一家叫 OpenAI 的公司打

本章内容 AI 产品的用户调研与验证 促进 AI 使用与信任校准 管理 AI 自动化、控制与故障 用户反馈收集 与用户共创 尽管你现有的大部分用户体验（以下简称 UX）经验可应用于 AI 驱动的产品，

本章内容包括： 语言模型如何访问和使用不同类型的工具 规划复杂任务和工作流 代理的记忆与持续学习 代理实现的框架 代理的局限性与未来 到目前为止，我们主要了解了预测型和生成型人工智能的内部机制与应用，

本章将探讨图像相似搜索相关的技术，回顾近年来图像搜索的发展历程，并深入解析图像搜索的工作机制。随着相似搜索在当今搜索领域的不断扩展，它正逐渐成为用户的核心期望之一。 我们将涵盖以下内容： 图像搜索概述

在上一章中，我们介绍了如何将 Elasticsearch 与机器学习（ML）模型集成。本章将聚焦于优化 Elasticsearch 中向量搜索的性能。 本章涵盖的主题包括： ML 模型部署调优技术 估

本章内容简介 本章将概述 Hugging Face 生态系统、Elasticsearch 的 Eland Python 库，以及在 Elasticsearch 中使用嵌入模型的实用策略。 我们将从探索

本章内容包括： 将深度学习整合进因果图模型 使用变分自编码器训练因果图模型 利用因果方法提升机器学习效果 本书名为《因果人工智能（Causal AI）》，但因果性究竟如何与人工智能相连？更具体地说，因

本章内容概述 使用d-分离（d-separation）来推理因果关系如何限制条件独立性 利用NetworkX和pgmpy进行d-分离分析 使用条件独立性检验来反驳因果DAG 在存在潜变量时反驳因果DA