Inleiding: End-to-end ai-agentzelfstudie
Deze generatieve AI-agentzelfstudie (voorheen het AI-kookboek genoemd) en de voorbeeldcode brengen u van een proof-of-concept (POC) naar een hoogwaardige, productieklare toepassing met behulp van het Mosaic AI Agent Evaluation and Mosaic AI Agent Framework op het Databricks-platform. U kunt de GitHub-opslagplaats ook gebruiken als sjabloon waarmee u uw eigen AI-toepassingen kunt maken.
Bekijk een list van de pagina's in de zelfstudie over Generatieve AI-agenten.
Tip
Er zijn een aantal manieren waarop u een rag-app kunt bouwen met behulp van deze zelfstudie:
- U hebt slechts een paar minuten en u wilt een demo van De evaluatie van Mosaic AI Agent Framework & Agent bekijken.
- U wilt get rechtstreeks in code opnemen en een RAG POC uitrollen met behulp van uw gegevens.
- U hebt geen gegevens, maar u wilt een voorbeeld-RAG-toepassing implementeren.
Wat bedoelen we met AI van hoge kwaliteit?
De zelfstudie over de Databricks-generatieve AI-agent is een instructiegids voor het bouwen van generatieve AI-toepassingen van hoge kwaliteit. Hoogwaardige toepassingen zijn:
- Nauwkeurig: Ze bieden de juiste antwoorden
- Veilig: Ze leveren geen schadelijke of onveilige reacties
- Beheerd: Ze respecteren gegevensmachtigingen en toegangsbeheer en traceren herkomst
In deze zelfstudie wordt een best practice-ontwikkelwerkstroom van Databricks besproken voor het bouwen van hoogwaardige RAG-apps: evaluatiegestuurde ontwikkeling. Het bevat een overzicht van de meest relevante manieren om de kwaliteit van rag-toepassingen te verhogen en biedt een uitgebreide opslagplaats met voorbeeldcode die deze technieken implementeert.
De Databricks-benadering van kwaliteit
Databricks heeft de volgende benadering van AI-kwaliteit:
- Snelle, code-first ontwikkelaarslus om snel te herhalen op kwaliteit.
- Maak het gemakkelijk om menselijke feedback te verzamelen.
- Een framework bieden voor snelle en betrouwbare meting van app-kwaliteit.
Deze zelfstudie is bedoeld voor gebruik met het Databricks-platform. Specifiek:
- Mozaïek AI Agent Framework dat een snelle werkstroom voor ontwikkelaars biedt met LLMops & governance die gereed is voor ondernemingen.
- Mozaïek AI Agent-evaluatie die betrouwbare, kwaliteitsmeting biedt met behulp van eigen AI-ondersteunde LLM-rechters om metrische gegevens over kwaliteit te meten die worden mogelijk gemaakt door menselijke feedback die worden verzameld via een intuïtieve webgebaseerde chatinterface.
Op code gebaseerde werkstromen
Kies de onderstaande werkstroom die het meest voldoet aan uw behoeften:
| Benodigde tijd | Wat u gaat bouwen | Koppeling |
|---|---|---|
| 10 minuten | Voorbeeld van EEN RAG-app die is geïmplementeerd in een webgebaseerde chat-app die feedback verzamelt | Rag-demo |
| 2 uur | POC RAG-app met uw gegevens die zijn geïmplementeerd in een chatgebruikersinterface die feedback van uw zakelijke belanghebbenden kan verzamelen | Een POC bouwen en implementeren |
| 1 uur | Uitgebreide kwaliteit, kosten en latentie-evaluatie van uw POC-app |
-
Uw POC evalueren - De hoofdoorzaken van kwaliteitsproblemen identificeren |