آموزش Mastering Llamaindex: راه حل های داده هوشمند هوش مصنوعی را بسازید - آخرین آپدیت

سرفصل ها و درس ها

مقدمه - شروع کار: سفر خود به راه حل های هوش مصنوعی هوشمند Introduction - Getting Started: Your Journey into Smart AI Solutions

• به تسلط بر Llamaindex خوش آمدید Welcome to Mastering LlamaIndex

• کاوش در دنیای AI تولیدی Exploring the World of Generative AI

• مرجع و بارگیری Git Reference and Downloads

• مبانی هوش مصنوعی: درک مدل ها Foundations of AI: Understanding Models

• معماری مدل های بزرگ زبان و نسل بازیابی Architecture of Large Language Models and Retrieval-Augmented Generation

• آشنایی با چارچوب Llamaindex Introduction to the LlamaIndex Framework

نصب و راه اندازی - تنظیم فضای کاری AI خود برای موفقیت Installation and Setup - Setting Up Your AI Workspace for Success

• راه اندازی Llamaindex در Google Colab Setting Up LlamaIndex in Google Colab

• پیکربندی کلیدهای API OpenAI برای ادغام Configuring OpenAI API Keys for Integration

• اولین قدم ها با Llama: نسخه ی نمایشی یک مبتدی First Steps with Llama: A Beginner's Demo

اولاما - کاوش در اولما: ستون فقرات مکالمات AI Ollama - Exploring Ollama: The Backbone of AI Conversations

• اولاما: مروری بر قدرت LLM محلی Ollama: An Overview of Local LLM Power

• پیکربندی اولاما برای محیط محلی خود Configuring Ollama for Your Local Environment

• ادغام اولاما با کد استودیو ویژوال Integrating Ollama with Visual Studio Code

مراحل Rag - Rag Unpacking: مراحل اصلی نسل بازیابی -آمریكا RAG Stages - Unpacking RAG: The Core Stages of Retrieval-Augmented Generation

• Discecting Rag: مقدمه ای برای مراحل Dissecting RAG: An Introduction to Stages

• بارگیری داده های نمونه با استفاده از Llamaindex CLI Loading Sample Data Using the LlamaIndex CLI

• استفاده از SimpleDirectoryReader برای بارگیری داده ها Utilizing SimpleDirectoryReader for Data Loading

• شکستن اسناد با تکه های گره Breaking Down Documents with Node Chunking

• تعبیه تعاملی زمین بازی Interactive Embeddings Playground

• تعبیه بینش: پردازش اسناد Embedding Insights: Processing Documents

• تولید تعبیه شده با مدل های بغل کردن Generating Embeddings with HuggingFace Models

• تعبیه نسل با استفاده از API های OpenAi Embedding Generation Using OpenAI APIs

• کاوش در فهرست ها و نمایه سازی وکتور استور Exploring Indexes and VectorStore Indexing

• مکانیک موتورهای پرس و جو شاخص The Mechanics of Index Query Engines

• شیرجه عمیق به بازیابی شاخص Deep Dive into Index Retrievers

• آشنایی با پایگاه داده های بردار Introduction to Vector Databases

• کار با Chromadb: یک نسخه ی نمایشی عملی Working with ChromaDB: A Practical Demo

• استفاده از قدرت سینت سایزرهای پاسخ Harnessing the Power of Response Synthesizers

• مراحل تجدید نظر: یک مقاله سریع Revisiting Stages: A Quick Recap

مرحله بارگیری مفاهیم پیشرفته - شیرجه عمیق به بارگیری داده ها Loading Stage Advanced Concepts - Deep Dive into Data Loading

• آشنایی با گردش کار بارگیری Introduction to the Loading Workflow

• استفاده از SimpleDirectoryReader برای کارآیی Leveraging SimpleDirectoryReader for Efficiency

• پردازش موازی با SimpleDirectoryReader Parallel Processing with SimpleDirectoryReader

• ادغام سیستم فایل از راه دور در خوانندگان دایرکتوری Remote File System Integration in Directory Readers

• تجزیه HTML با خواننده HTML Parsing HTML with the HTML Reader

• دسترسی به داده های عمیق با استفاده از Deeplake Reader Accessing Deep Data Using DeepLake Reader

• رابط با پایگاه داده ها از طریق پایگاه داده خوان Interfacing with Databases Through Database Reader

• ادغام Google Drive برای بارگیری داده ها Google Drive Integration for Data Loading

• درک اسناد و گره ها در Llamaindex Understanding Documents and Nodes in LlamaIndex

• سفارشی سازی اسناد برای نتایج متناسب Customizing Documents for Tailored Results

• تکنیک های سفارشی سازی گره پیشرفته Advanced Node Customization Techniques

خط لوله و تحول - خطوط لوله مصرف کارآمد Ingestion Pipeline and Transformation - Building Efficient Ingestion Pipelines

• نمای کلی از خط لوله مصرف و تحولات Overview of the Ingestion Pipeline and Transformations

• نشان دادن خطوط لوله مصرف در عمل Demonstrating Ingestion Pipelines in Action

• استخراج ابرداده از داده های ساختاری و بدون ساختار Extracting Metadata from Structured and Unstructured Data

• استخراج ابرداده PDF ساده ساخته شده است PDF Metadata Extraction Made Simple

• خلاصه ساختمان با استخراج کننده خلاصه Building Summaries with the Summary Extractor

• استخراج نهادهای کلیدی با استخراج موجودیت Extracting Key Entities with Entity Extractor

• طراحی تحولات سفارشی برای انعطاف پذیری Designing Custom Transformations for Flexibility

• دست زدن به چندین استخراج کننده در خط لوله مصرف Handling Multiple Extractors in the Ingestion Pipeline

ذخیره سازی در Llamaindex - ذخیره اطلاعات هوشمند: استفاده از پتانسیل Llamaindex Storage in LlamaIndex - Smart Data Storage: Harnessing LlamaIndex's Potential

• مقدمه ای برای ذخیره سازی در Llamaindex Introduction to Storage in LlamaIndex

• راهنمای جامع برای Docstore Comprehensive Guide to DocStore

• مدیریت Docstores به طور موثر Managing DocStores Effectively

• ذخیره مداوم روی دیسک محلی Persisting Storage on Local Disk

• دسترسی به مدارک ذخیره شده و زمینه ذخیره سازی Accessing Stored DocStore and Storage Context

• صرفه جویی در Docstore و Index در MongoDB Saving DocStore and Index in MongoDB

• بارگیری Docstore و فهرست از MongoDB Loading DocStore and Index from MongoDB

• ذخیره سازی کارآمد با Redis: یک راهنما Efficient Storage with Redis: A Guide

نمایه سازی در Llamaindex - تسلط به نمایه سازی: سازماندهی داده ها برای نمایش داده های هوش مصنوعی Indexing in LlamaIndex - Mastering Indexing: Organizing Data for AI Queries

• مقدمه ای برای نمایه سازی اصول Introduction to Indexing Fundamentals

• کاوش در مورد بازیابی برای حرکت به فهرست ها Exploring Retrievers to Navigate Indexes

• درک شاخص ها و بازیابی بردار Understanding Vector Indexes and Retrievers

• خلاصه خلاصه با فهرست خلاصه Crafting Summaries with Summary Index

• با استفاده از فهرست جدول کلمات کلیدی برای جستجوی کارآمد Using Keyword Table Index for Efficient Search

• فهرست خلاصه سند: یک مرور کلی متمرکز Document Summary Index: A Focused Overview

• تجزیه و تحلیل مبتنی بر نمودار با شاخص نمودار خاصیت Graph-Based Analysis with Property Graph Index

پرس و جو در Llamaindex - پرس و جو بهینه شده: واکشی پاسخ ها با دقت Querying in LlamaIndex - Optimized Querying: Fetching Answers with Precision

• اصول پرس و جو: نقطه شروع Querying Basics: The Starting Point

• شکستن پرس و جو در مراحل Breaking Down Querying into Stages

• گردش کار داخلی اجرای پرس و جو Internal Workflows of Query Execution

• سفارشی کردن مراحل پرس و جو برای دقت Customizing Query Stages for Precision

• برای نتایج بهتر ، جمله تغییر مجدد را تغییر دهید Sentence Transform Reranking for Better Results

• استفاده از فیلترهای recency برای نمایش داده شد Applying Recency Filters to Queries

• تعویض ابرداده در پردازش گره Metadata Replacement in Node Processing

• پرس و جو داده های ساختاری با استفاده از سیستم های متن به SQL Querying Structured Data Using Text-to-SQL Systems

• کاوش در انواع پاسخ سینت سایزر Exploring Synthesizer Response Types

• پرس و جو json با jsonqueryengine Querying JSON with JSONQueryEngine

• پاسخ های جریان در زمان واقعی Real-Time Streaming Responses

• آشنایی با تکنیک های رتریور Introduction to Retriever Techniques

• مقایسه حالت های retriever با حالت های پاسخ Comparing Retriever Modes with Response Modes

• نسخه ی نمایشی عملی: حالت Retriever در مقابل حالت پاسخ Practical Demo: Retriever Mode vs. Response Mode

• ترکیب BM25 و retrievers بردار در Fusion Query Combining BM25 and Vector Retrievers in Query Fusion

• مسیریابی پرس و جو پویا با موتورهای پرس و جو Dynamic Query Routing with Query Engines

توانمندسازی مکالمات: چارچوب های موتور گپ Empowering Conversations: Chat Engine Frameworks

• شروع به کار با موتورهای گپ Getting Started with Chat Engines

• موتور چت در حالت React: یک رویکرد جدید Chat Engine in ReAct Mode: A New Approach

• افزودن شخصیت به موتورهای گپ Adding Personality to Chat Engines

عوامل - عوامل در عمل: خودکار کردن گردش کار با هوش مصنوعی Agents - Agents in Action: Automating AI-Powered Workflows

• مقدمه ای برای نمایندگان: دانش آموزان دانش Introduction to Agents: The Knowledge Workers

• نسخه ی نمایشی اول: نمایندگان در عمل First Demo: Agents in Action

• عامل Openai: استفاده از قدرت LLM OpenAI Agent: Harnessing LLM Power

• React Agent: اجرای گام به گام ساده شده است ReAct Agent: Step-Wise Execution Simplified

• شیرجه عمیق به API های Agent Runner Deep Dive into Agent Runner APIs

• React Framework in Chat Repl: اصول اولیه را تسلط دهید ReAct Framework in Chat REPL: Master the Basics

• React Framework در چت Rep Repl: تکنیک های پیشرفته ReAct Framework in Chat REPL: Advanced Techniques

اعلان ها - هنر مهندسی سریع Prompts - The Art of Prompt Engineering

• ساخت و سازهای مؤثر: مقدمه Crafting Effective Prompts: An Introduction

• استفاده از الگوهای پیش فرض برای موفقیت Harnessing Default Templates for Prompting Success

• تعریف درخواست های سفارشی برای پاسخ دادن به پاسخ Defining Custom Prompts to Tailor Responses

• ایجاد مکالمات پویا با الگوهای گپ Building Dynamic Conversations with Chat Templates

• اعلان های جزئی: باز کردن پاسخ های افزایشی Partial Prompts: Unlocking Incremental Responses

• نقشه برداری متغیر: اتصال داده ها با اعلان ها Variable Mapping: Connecting Data with Prompts

• نقشه برداری عملکرد برای پاسخ سریعتر Function Mapping for Smarter Prompt Responses

گردش کار - ساخت خطوط لوله هوش مصنوعی هوشمند Workflow - Crafting Intelligent AI Pipelines

• جادوی گردش کار: Llamaindex ساده شده است Workflow Magic: LlamaIndex Simplified

• اولین قدم ها در ایجاد گردش کار: یک نسخه ی نمایشی زنده First Steps in Workflow Creation: A Live Demo

• تسلط بر زمینه های گردش کار و رسیدگی به رویداد Mastering Workflow Contexts and Event Handling

• ایجاد وقایع و پخش مانند یک حرفه ای Triggering Events and Streaming Like a Pro

• انسان در حلقه: نظارت بر زمان واقعی و دوباره امتحان کردن Human-in-the-Loop: Real-Time Oversight and Retry

• استدلال چند مرحله ای برای راه حل های پیچیده گردش کار Multistep Reasoning for Complex Workflow Solutions

• تنظیم سطح بالا برای گردش کار طولانی پارچه High-Level Setup for Long RAG Workflows

• اجرای گردش کار طولانی پارچه ای یکپارچه Executing Long RAG Workflows Seamlessly

ارزیابی - بهینه سازی هوش مصنوعی با معیارهای دقیق Evaluation - Optimizing AI with Precision Metrics

• ارزیابی آزمایشی: تکنیک های Llamaindex Evaluation Demystified: LlamaIndex Techniques

• ساخت کد خود را برای ارزیابی مؤثر Structuring Your Code for Effective Evaluation

• ارزشمند صحت: اطمینان از صحت Correctness Evaluator: Ensuring Accuracy

• ارزیابی کننده ارتباط: اندازه گیری محتوای مناسب Relevancy Evaluator: Measuring Content Fit

• تعبیه شباهت: یافتن اتصالات معنایی Embedding Similarity: Finding Semantic Connections

• ارزیاب وفاداری: بررسی یکپارچگی داده ها Faithfulness Evaluator: Checking Data Integrity

• ارزیابی کننده راهنما: تراز کردن با استانداردها Guideline Evaluator: Aligning to Standards

• ارزیاب زوج: به طور مؤثر مقایسه و تضاد کنید Pairwise Evaluator: Compare and Contrast Effectively

• ارزیابی کننده Retriever: تقویت قدرت بازیابی Retriever Evaluator: Strengthening Retrieval Power

• خلاصه ارزیابی های رتریور با بینش Summarizing Retriever Evaluations with Insights

• مقدمه ای برای اعتبار سنجی تونیک: سیستم های RAG خود را بالا ببرید Introduction to Tonic Validate: Elevate Your RAG Systems

رعایت و ابزار دقیق Observability and Instrumentation

• آشنایی با مشاهده و ابزار دقیق Introduction to Observability and Instrumentation

• افزایش مشاهده با Traceloop Enhancing Observability with Traceloop

• استفاده از ققنوس برای مشاهده پیشرفته Using Phoenix Arize for Advanced Observability

• تماس های برگشتی و مشاهده در ققنوس Callbacks and Observability in Phoenix Arize

• مشاهده ساده با mlflow Streamlined Observability with MLFlow

خلاصه Summary

• پیوند GitHub برای کد Github link for the Code