소개: 엔드 투 엔드 생성 AI 에이전트 자습서
이 생성된 AI 에이전트 자습서(이전의 AI 쿡북)와 샘플 코드는 Databricks 플랫폼의 Mosaic AI 에이전트 평가 및 모자이크 AI 에이전트 프레임워크를 사용하여 POC(개념 증명)에서 고품질 프로덕션 지원 애플리케이션으로 이동합니다. GitHub 리포지토리를 고유한 AI 애플리케이션을 만드는 템플릿으로 사용할 수도 있습니다.
생성 AI 에이전트 자습서에 있는 페이지의
팁
이 자습서를 사용하여 rag 앱을 빌드할 수 있는 몇 가지 방법이 있습니다.
- 시간이 얼마 없고 Mosaic AI 에이전트 프레임워크 및 에이전트 평가 데모를 보고 싶을 때
- 직접 코드에 들어가 데이터사용하여 RAG POC를 배포하려고 합니다.
- 데이터가 없지만 샘플 RAG 애플리케이션을 배포하고 싶을 때
고품질 AI의 의미는 무엇인가요?
Databricks 생성 AI 에이전트 자습서는 고품질 생성 AI 애플리케이션을 빌드하기 위한 방법 가이드입니다. 고품질 애플리케이션의 특징은 다음과 같습니다.
- 정확도: 올바른 응답을 제공합니다.
- 안전: 유해하거나 안전하지 않은 응답을 제공하지 않습니다.
- 거버넌스: 데이터 사용 권한 및 Access Control을 준수하고 계보를 추적합니다.
이 자습서에서는 고품질 RAG 앱( 평가 기반 개발)을 빌드하기 위한 Databricks의 모범 사례 개발 워크플로를 설명합니다. RAG 애플리케이션 품질을 높이는 가장 관련성이 있는 방법을 간략하게 설명하고 이러한 기술을 구현하는 샘플 코드의 포괄적인 리포지토리를 제공합니다.
품질에 대한 Databricks 접근 방식
Databricks는 AI 품질에 대해 다음과 같은 접근 방식을 사용합니다.
- 빠른 코드 우선 개발자 루프를 통해 품질을 빠르고 반복적으로 개선
- 사용자 피드백을 쉽게 수집할 수 있는 방법 제공
- 앱 품질을 품질을 빠르고 신뢰성 있게 측정할 수 있는 프레임워크 제공
이 자습서는 Databricks 플랫폼에서 사용하기 위한 것입니다. 특별한 사항
- Mosaic AI 에이전트 프레임워크는 엔터프라이즈에 적합한 LLMops 및 거버넌스를 통해 빠른 개발자 워크플로를 제공합니다.
- 독점적인 AI 지원 LLM 심사위원을 사용하여 신뢰할 수 있는 품질 측정을 제공하는 Mosaic AI 에이전트 평가는, 직관적인 웹 기반 채팅 UI를 통해 수집된 사용자 피드백을 바탕으로 품질 메트릭을 측정합니다.
코드 기반 워크플로
아래에서 요구 사항에 가장 적합한 워크플로를 선택하세요.
| 소요 시간 | 빌드할 내용 | 링크 |
|---|---|---|
| 10분 | 피드백을 수집하는 웹 기반 채팅 앱에 배포된 샘플 RAG 앱 | RAG 데모 |
| 2시간 | 비즈니스 이해 관계자의 피드백을 수집할 수 있는 채팅 UI에 배포된 POC RAG 앱 | POC 빌드 및 배포 |
| 1시간 | POC 앱의 종합적인 품질, 비용, 대기 시간 평가 |
-
POC 평가 - 품질 문제의 근본 원인 파악하기 |