Distribuisci Chatbot LLM con RAG e Ricerca Vettoriale Databricks

Che cosa imparerai

In questo tour del prodotto, vedrai come funziona un sistema RAG (Retrieval Augmented Generation) end-to-end su Databricks e migliora l'accuratezza e la pertinenza della tua applicazione AI, estraendo dinamicamente le informazioni più attuali e pertinenti per ogni query.  Scopri come puoi integrare senza problemi RAG nei tuoi flussi di lavoro, offrendo un'esperienza utente intuitiva che semplifica le interazioni con dati complessi, garantendo che il tuo team possa concentrarsi su compiti strategici piuttosto che sulla gestione dei dati. In questo tour imparerai su:

  • Configurazione di un flusso di lavoro per l'ingestione di dati non strutturati (PDF) e il loro salvataggio nelle tabelle Delta
  • Utilizzando un modello di embedding per trasformare i dati di testo in vettori e memorizzarli in un database di vettori
  • Fornendo Modelli di Incorporamento, Modelli Linguistici Fondamentali, e persino catene di langchain!
  • Collegare il tuo LLM insieme ai tuoi dati per aumentare le risposte del modello  

Se vuoi provare questo nel tuo spazio di lavoro, dai un'occhiata al tutorial del prodotto.

Avvia il tour del prodotto

Consigli

datascience icon

Tutorial

Build High-Quality RAG Apps with Mosaic AI Agent Framework and Agent Evaluation, Model Serving, and Vector Search

data science

Video on-demand

Lakehouse Monitoring and Vector Search

demothumb-small-tour-devexperience.png

Tour di prodotto

Discover LakehouseIQ: The AI-Powered Engine That Uniquely Understands Your Business