RAG生成式AI为构建 兼顾性能与成本的高效大 模型、计算机视觉及生成 式AI系统指明了方向。 本书深入剖析RAG， 详解多模态AI流水线的设 计、管理与把控。RAG通 过将输出与可追溯的源文 档关联，提升了输出的准 确性与上下文相关性，为 海量信息管理提供了一种 动态思路。书中不仅展示 RAG框架的搭建方法，介 绍关于向量存储、切块、 索引及排序等方面的实用 知识，还传授优化项目性 能、加深对数据理解的技 巧，例如，运用自适应 RAG与人类反馈来提高检 索准确性，平衡RAG与微 调的关系，实施动态RAG 以增强实时决策能力，以 及借助知识图谱可视化复 杂数据。 读者可亲自上手，实 践LlamaIndex和Deep Lake等框架、Pinecone和 Chroma等向量数据库， 以及来自Hugging Face和 OpenAI的模型。学完本 书，读者将掌握智能解决 方案的实施技能，在生产 、客户服务等各类项目中 稳占竞争优势。

丹尼斯·罗斯曼Denis Rothman，毕业于索邦大学和巴黎一狄德罗大学，写过 早的word2vector embedding解决方案之一。他创作了 批AI认知自然语言处理(NLP)聊天机器人之一，这个聊天机器人开启了他的职业生涯。它是一个语言教学应用程序，应用于Moet et Chandon和其他公司。他为IBM和服装生产商编写了一个AI资源优化器。然后，他还编写了一个在 范围内使用的 计划和排程(APS)解决方案。