簡介：端對端產生 AI 代理程式教學課程
此產生 AI 代理程式教學課程（先前稱為 AI 操作手冊）及其範例程式代碼會帶您從概念證明 （POC） 到使用 Databricks 平臺上的馬賽克 AI 代理程式評估與馬賽克 AI 代理程式架構來準備高品質的生產就緒應用程式。 您也可以使用 GitHub 存放 庫 作為範本，用來建立您自己的 AI 應用程式。
請參閱 Generative AI 代理程式教學課程中的頁面清單。
提示
您可以使用本教學課程來建置 rag 應用程式的方式有幾種：
- 如果您只有幾分鐘時間並且想查看 Mosaic AI 代理程式架構和代理程式評估的示範。
- 您想要 直接進入程式碼，並使用您的數據部署RAG POC。
- 您沒有任何資料，但想要部署範例 RAG 應用程式。
我們對高品質 AI 有何意義？
Databricks 產生 AI 代理程式教學課程是建置高質量產生 AI 應用程式的作法指南。 高品質的應用程式如下：
- 準確：它們提供準確的回應
- 安全：它們不提供有害或不安全的回應
- 受管制：它們遵守資料權限和存取控制並追蹤譜系
本教學課程提供 Databricks 的最佳做法開發工作流程，以建置高品質的 RAG 應用程式：評估驅動開發。 其中概述了提高 RAG 應用程式品質的最相關方法，並提供了實作這些技術的範例程式碼的綜合存放庫。
確保品質的 Databricks 方法
Databricks 採用下列方法來確保 AI 品質：
- 快速、程式碼優先的開發人員迴圈，可快速迭代以改進品質。
- 讓您輕鬆收集人工意見反應。
- 提供了一個用於快速、可靠地測量應用程式品質的架構。
本教學課程適用於搭配 Databricks 平臺使用。 具體而言：
- Mosaic AI 代理程式架構，提供了一個具有企業級 LLMops 和治理功能的快速開發人員工作流程。
- Mosaic AI 代理程式評估，使用專屬 AI 輔助 LLM 評量提供可靠的品質測量，以測量品質計量，這些計量由透過直覺式 Web 型聊天 UI 收集的人工意見反應提供支援。
程式碼型工作流程
從下面選擇最符合您需求的工作流程：
| 所需時間 | 將建置的對象 | 連結 |
|---|---|---|
| 10 分鐘 | 部署至 Web 型聊天應用程式的範例 RAG 應用程式，可收集意見反應 | Rag 示範 |
| 2 小時 | 使用您的資料部署至聊天 UI 的 POC RAG 應用程式，可收集您的商務利害關係人的意見反應 | 建置和部署 POC |
| 1 小時 | POC 應用程式的綜合品質、成本和延遲評估 |
-
評估您的 POC - 找出品質問題的根本原因 |