結合架構思維與實務

帶你從 0 到 1 完整理解如何實作 AI Agents 專案

本書著重於「流程與架構」，提供一套通用的邏輯與方法，協助個人或企業依照自身需求將生成式 AI 技術實際應用於專案中。本書涵蓋生成式 AI 應用的兩大面向：生成式 AI 模型和檢索增強生成（RAG），內容包含大型語言模型（LLM）、模型選擇、部署、RAG 技術到 AI Agent 整合的完整流程，並深入淺出地講解生成式 AI 的核心概念和實務技巧，讓讀者能夠快速上手，將生成式 AI 技術應用於各種實際場景。

重點內容

｜生成式 AI 基礎與模型選擇｜

。生成式 AI 的基本概念與介紹

。大型語言模型（LLM）的介紹與使用方法（閉源與開源）

。評估模型能力，並建立可用的 AI 服務

｜LLMOps 與模型部署｜

。DevOps 與 MLOps 簡介

。LLMOps - LLM for DevOps 方法與流程

。透過 DevOps 進行生成式 AI 專案的流程再造

｜檢索增強生成（RAG）技術｜

。RAG 的概念與運作方式，結合檢索與生成提升 AI 準確度

。知識庫管理：如何建立、維護與擴充向量資料庫

。核心技術解析：Embedding Vector、Chunking、Metadata

｜進階 RAG 服務與系統架構｜

。RAG 服務架構與系統建置

。RAG 優化方法：GraphRAG、CAG 等進階技術

。如何衡量 RAG 模型的準確性與效能

｜AI Agent 的整合與應用｜

。AI Agent 的概念與架構

。AI Agent 工作流程（Agentic AI Workflow）

。RAG-base AI Agent 的應用場景

目標讀者

人工智慧技術相關領域的專業人士，包括研究人員、開發人員、工程師、專案管理者等，以及對生成式 AI 與 RAG 技術有興趣的讀者。

本書特色

❏ 基本概念與實務應用

介紹生成式 AI 的基礎知識、大型語言模型、模型服務上線，以及 DevOps 和 MLOps 實務。

❏ RAG 技術深度解析與應用

深入探討檢索增強生成（RAG）技術，包括知識庫建置、進階檢索方法，以及與 AI Agent 的整合應用。

❏ 導入策略與未來展望

分析生成式 AI 技術的導入方法、模型與系統評估，以及未來發展方向。