Finał serii o RAG: kompletne API na FastAPI i LlamaIndex — endpoint indeksujący pliki Markdown z dysku do indeksu w pamięci i endpoint odpytujący dokumenty przez model z OpenRouter.
Drugi wpis z serii o RAG: klasy LlamaIndex, które zamieniają teorię w kod — Document, VectorStoreIndex, query engine i Settings, plus podłączenie modelu przez OpenRouter.
Pierwszy wpis z serii o RAG i LlamaIndex: czym jest Retrieval-Augmented Generation, jak działają embeddingi i wyszukiwanie podobieństwa oraz co z Pythona będzie potrzebne, żeby zbudować własny RAG.
Drugi wpis z podstaw Pythona przed pierwszym skryptem LLM: słowniki, definiowanie funkcji z *args i **kwargs oraz praca z formatem JSON.
Zanim napiszesz pierwszy skrypt z LlamaIndex, warto ogarnąć podstawy Pythona: różnicę między () a [], listy, krotki i podstawowe operacje na macierzach.
Dowiedz się, jak krok po kroku zbudować model AI do predykcji, wykorzystując najnowsze techniki uczenia maszynowego.
Dowiedz się, jak w kilka sekund wygenerować formularz w Dynamic Forms ver 9 używając prostego prompta do ChatGPT.
Przegląd projektu Dynamic Forms od Agidot, umożliwiającego definiowanie formularzy biznesowych w formacie tekstowym przyjaznym dla AI oraz ich renderowanie w aplikacjach. Wyjaśniamy strukturę, zastosowania i sposób działania tego otwartego rozwiązania.
Znudziły Ci się grzeczne odpowiedzi AI? Zbuduj własny model ChatGPT, który będzie Cię sarkastycznie komentował, promując przy okazji Twojego bloga!
Stworzenie własnego modelu językowego ChatGPT dostosowanego do specyficznych potrzeb firmy – od analizy dokumentów po wsparcie klienta.