آموزش ساخت اپلیکیشن RAG از پایه - آخرین آپدیت

سرفصل ها و درس ها

مقدمه Introduction

• مفاهیم و معماری RAG RAG Concepts and Architecture

• نیازمندی‌های حافظه برای اجرای مدل‌های هوش مصنوعی داکر روی کامپیوتر محلی Memory Requirements for Running Docker AI Models on Local Computer

• دمو (راه‌اندازی): ایجاد محیط مجازی با استفاده از پایتون نسخه 3.13 Demo (setup): Create Virtual Environment using Python version 3.13

• دمو (راه‌اندازی): Docker Model Runner Demo (setup): Docker Model Runner

• آشنایی با RAG Introduction to RAG

تبدیل داده‌ها: آماده‌سازی مستندات Data Conversion: Document Preparation

• تبدیل داده‌ها: PDF به Markdown Data Conversion: PDF to Markdown

• تبدیل و آماده‌سازی داده‌ها برای ورود به سیستم Data Conversion and Preparation for Ingestion

خط لوله ورود داده‌ها (Data Ingestion) The Data Ingestion Pipeline

• پیاده‌سازی ورود داده‌ها برای ایجاد ایندکس FAISS Implementing Ingestion to Create the FAISS Index

• دمو: اجرای اسکریپت‌های ورود داده برای ساخت ایندکس FAISS Demo: Run Ingestion Scripts to create FAISS Index

• آزمون ۳: ورود داده‌ها و ایجاد ایندکس Quiz 3: Data Ingestion and Index Creation

خط لوله پرس‌وجو: بازیابی تکه‌ها، ساخت پرومپت و فراخوانی LLM برای پاسخ The Query Pipeline: Retrieve Chunks, Construct the Prompt, Call LLM for Answer

• بررسی خط به خط کد اپلیکیشن Application Code Walkthrough

• دموی کد اپلیکیشن: درک نرده‌های حفاظتی پرومپت (Prompt Guardrails) Application Code Demo: Understanding Prompt Guardrails

• دیباگ اپلیکیشن: تایید پردازش داده‌های کاربر DEBUG Application: Verifying User Data Processing

• استفاده از هوش مصنوعی برای درک بهتر کد Using AI to Help Understand Code

• بررسی و دموی نهایی کد اپلیکیشن Application Code Walkthrough and Demo

مقایسه RAG محلی در برابر ابری Local versus Cloud RAG

• پیاده‌سازی RAG: محلی در مقابل ابری RAG Implementation: Local vs Cloud

• مقایسه RAG محلی و RAG ابری Comparing Local RAG and Cloud RAG