RAG 检索增强生成 | 领域书籍分析

分析一波有关RAG相关的国内外书籍。欢迎大家发表关于这些书籍的想法。

国内

• 书名：《大模型应用开发：RAG入门与实战》

  

  • 作者：陈明明、潘翔、戴弘毅

  • 发布日期：2024-10-01

  • 简介：本书详细解析了RAG（Retrieval-Augmented Generation，检索增强生成）技术及其应用，从文档的分块与向量化，到利用深度学习模型进行向量检索，再到结合Prompt技术以实现精准响应，每个知识点都有清晰的逻辑阐述与实践案例；同时，介绍了PyTorch编程基础与深度学习概念。此外，本书还涵盖了一系列实用技术，如Web可视化工具Streamlit与Gradio的使用，以及如何利用这些工具快速构建交互式界面，直观展示RAG技术的效果。最后，通过动手实现PDF阅读器的实例，读者能亲自体验从理论到实践的过程，加深对RAG技术的理解与掌握。

  • 受众群体：适合对文档搜索和RAG应用感兴趣的读者阅读，也可以作为从事大语言模型相关工作的人员的参考书。

  • 目录：

    • RAG概述

    • Pytorch编程基础

    • 深度学习基础

    • 自然语言处理基础

    • Web可视化

    • RAG文档分块和向量化

    • RAG向量检索技术

    • RAG中的Prompt技术

    • 动手实现PDF阅读器

  • 个人分析

    • 作家来历：

      • 陈明明，数据科学博士，研究方向为自然语言处理、深度学习及贝叶斯统计；曾就职于微软，从事自然语言处理和人工智能的开发工作。

      • 潘翔，计算机应用博士，研究方向为卷积网络、大数据分析、大语言模型、多模态数据分析；主持了国家自然科学基金、浙江省科学技术厅等重点项目，在IEEE Journal of Biomedical and Health Informatics、《计算机学报》等期刊和国际会议上发表30多篇论文；目前就职于浙江工业大学计算机科学与技术学院。

      • 戴弘毅，毕业于维克森林大学和波士顿大学，研究方向为自然语言处理、深度学习及金融市场分析。

    • 直观感受：

      • 这本书前半部分重点介绍了AI的基础知识，后半部着重描述RAG相关内容。此书非常适合对AI基本没啥了解的初学者入门RAG。

• 书名：《基于大模型的RAG应用开发与优化》

  

  • 作者：严灿平

  • 发布日期：2024-11-01

  • 简介：本书是一本全面介绍基于大语言模型的RAG应用开发的专业图书。本书共分为3篇：预备篇、基础篇和高级篇。预备篇旨在帮助你建立起对大模型与RAG的基本认识，并引导你搭建起RAG应用开发的基础环境；基础篇聚焦于经典RAG应用开发的核心要素与阶段，介绍关键模块的开发过程，剖析相关的技术原理，为后面的深入学习打下坚实的基础；高级篇聚焦于RAG应用开发的高阶模块与技巧，特别是在企业级RAG应用开发中的优化策略与技术实现，并探索了一些新型的RAG工作流与范式，旨在帮助你了解新的RAG应用技术发展，掌握RAG应用的全方位开发能力。

  • 受众群体：本书适合对大模型及RAG技术感兴趣的开发者、研究人员、产品经理及希望了解并掌握RAG应用开发能力的人阅读。

  • 目录：

    • 了解大模型与RAG

    • RAG应用开发环境搭建

    • 初识RAG应用开发

    • 模型与Prompt

    • 数据加载与分割

    • 数据嵌入与索引

    • 检索、响应生成与RAG引擎

    • RAG引擎高级开发

    • 开发Data Agent

    • 评估RAG应用

    • 企业级RAG应用的常见优化策略

    • 构建端到端的企业级RAG应用

    • 新型RAG范式原理与实现

  • 个人分析

    • 作家来历：毕业于南京理工大学计算机系，南京大学工商管理硕士。先后就职于联创（后与亚信科技合并）担任软件工程师与设计师，甲骨文中国（Oracle）担任中国区企业架构部首席架构师，上海慧问信息科技有限公司担任合伙人兼技术总监。现为独立IT咨询顾问，公众号“AI大模型应用实践”主理人。拥有超过20年的企业软件从业经验，专注于企业软件架构设计、互联网时代传统行业的IT转型、人工智能与大数据技术在企业应用的创新等。曾担任多项大型企业级软件系统核心架构师与咨询师，参与包括中国移动、中国电信等通信行业客户的核心业务运营支撑系统建设、智慧城市与政务行业互联网转型的IT咨询与规划。精通多种计算机软件开发技术与IT架构方法论，对移动互联网、大数据、人工智能在企业领域应用有深入的研究与实施经验。

    • 直观感受：这本书的内容非常多，主要集中在RAG相关工具的介绍与使用，原理内容占比会偏少，适合实战RAG的开发者。

• 书名：《大模型RAG实战》

  

  • 作者：汪鹏，谷清水，卞龙鹏

  • 发布日期：2024-09-01

  • 简介：这是一本全面讲解RAG技术原理、实战应用与系统构建的著作。作者结合自身丰富的实战经验，详细阐述了RAG的基础原理、核心组件、优缺点以及使用场景，同时探讨了RAG在大模型应用开发中的变革与潜力。书中不仅揭示了RAG技术背后的数学原理，还通过丰富的案例与代码实现，引导读者从理论走向实践，轻松掌握RAG系统的构建与优化。

  • 受众群体：人工智能和大模型领域的技术工程师

  • 目录：

    • RAG与大模型应用

    • 语言模型基础

    • 文本召回模型

    • RAG核心技术与优化方法

    • RAG范式演变

    • RAG系统训练

    • 基于LangChain实现RAG应用

    • RAG系统构建与微调实战

  • 个人分析

    • 作家来历：

      • 汪鹏：资深NLP技术专家和AI技术专家，拥有多年NLP落地经验。擅长结合用户场景，针对性地设计图谱、问答、检索、多模态、AIGC等相关的算法和落地方案。在Kaggle获得多枚奖牌，等级master。拥有公众号“NLP前沿”。

      • 谷清水：毕业于清华大学，有国内多家大厂工作经历，7年深度学习项目开发经验。在KDD-CUP等机器学习竞赛中多次获奖，持有多项发明专利。知乎ID：“战士金”。

      • 卞龙鹏：某上市公司资深AI算法工程师，多年互联网一线工作经验，10年机器学习与数据挖掘经验。持多项发明专利，发表多篇SCI文章，主攻机器视觉、模式识别、自然语言处理。

    • 直观感受：这本书主要分基础、原理、实战三大部分，属于介绍RAG较为全面的书籍，指出了技术是什么？为什么？怎么做？技术原理较多。适合需要了解RAG本身技术原理和实战RAG的开发者。

国外

• 书名：《RAG-Driven Generative AI》（RAG 驱动的生成式AI）

  

  • 作者：[法]丹尼斯·罗斯曼(Denis Rothman)

  • 发布日期：2024-09-30

  • 简介：RAG 驱动的生成式人工智能为构建有效的 LLM、计算机视觉和生成式人工智能系统提供了兼顾性能和成本的路线图。本书详细探讨了 RAG 以及如何设计、管理和控制多模态人工智能管道。通过将输出连接到可追溯的源文件，RAG 提高了输出的准确性和上下文相关性，为管理大量信息提供了一种动态方法。这本人工智能书籍向您展示了如何构建 RAG 框架，提供了关于向量存储、分块、索引和排序的实用知识。您将发现优化项目性能和更好地理解数据的技巧，包括使用自适应 RAG 和人工反馈来完善检索准确性、平衡 RAG 与微调、实施动态 RAG 以增强实时决策，以及使用知识图谱可视化复杂数据。您将亲身体验 LlamaIndex 和 Deep Lake 等框架、Pinecone 和 Chroma 等矢量数据库以及 Hugging Face 和 OpenAI 等模型。在本书结束时，您将掌握实施智能解决方案的技能，使您在从生产到客户服务的所有项目中保持竞争力。

  • 受众群体：本书非常适合数据科学家、人工智能工程师、机器学习工程师和 MLOps 工程师阅读。如果您是解决方案架构师、软件开发人员、产品经理或项目经理，希望在构建 RAG 应用程序的过程中增强决策能力，那么您会发现本书非常有用。

  • 目录：

    • 为什么选择检索增强生成（RAG）

    • 使用 Activeloop 和 OpenAI 的 RAG 嵌入向量存储

    • 使用 LlamaIndex 和 Langchain 的基于索引的 RAG

    • 利用 Pincecone 实现多模态模块化 RAG

    • 利用专家人工反馈提升 RAG 性能

    • 通过 Meta RAG 实现一体化

    • 利用 Llamaindex 知识图谱组织 RAG

    • 探索 RAG 的扩展极限

    • 增强人工智能模型：微调 RAG 数据和人工反馈

    • 构建从数据收集到生成人工智能的 RAG 管道

  • 个人分析

    • 作家来历：丹尼斯·罗斯曼Denis Rothman，毕业于索邦大学和巴黎一狄德罗大学，写过最早的word2vector embedding解决方案之一。他创作了第一批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，他还编写了一个在全球范围内使用的高级计划和排程(APS)解决方案。罗斯曼还是几本关于大语言模型（LLM）书籍的作者，包括《大模型应用解决方案》、《Python可解释AI（XAI）实战》等著作。

    • 直观感受

      • 从这本书的作者来看，简单看了下《大模型应用解决方案》的豆瓣评价（6.7分），褒贬不一，有人说这本书挺水的，有人说还可以。因此这本书的内容质量需要打个问号。

      • 从这本书的目录来看，内容比较偏实战，理论部分占比很少。