GraphRAG 實戰
葉健峰
- 出版商: 東南大學
- 出版日期: 2025-10-01
- 售價: $528
- 貴賓價: 9.5 折 $501
- 語言: 簡體中文
- 頁數: 323
- ISBN: 7576622830
- ISBN-13: 9787576622836
-
相關分類:
Large language model
立即出貨
買這商品的人也買了...
-
精通 Transformer : 從零開始構建最先進的 NLP 模型$594$564 -
$445OpenAI API 接口應用實戰 -
$564AI繪畫 + LoRA 模型訓練從新手到高手 -
大模型 RAG 實戰：RAG 原理、應用與系統構建$594$564 -
$403大模型應用開發 — 深入理解 30個可執行案例設計 -
$504AI Agent 開發與應用：基於大模型的智能體構建 -
$606向量數據庫：大模型驅動的智能檢索與應用 -
$534DeepSeek 大模型實戰指南 (架構部署與應用) -
24小時精通 AI Agent (快速定製你的智能體)$534$507 -
用 Cursor 玩轉 AI 輔助編程 (不寫代碼也能做軟件開發)$534$507 -
多智能體強化學習 基礎與現代方法$654$621 -
$981深度學習：基礎與概念 -
基於 NVIDIA Omniverse 平臺的人工智能執行個體開發入門$468$444 -
具身智能原理與實踐$714$678 -
OpenAI API 開發手冊 - 用 Responses API、Realtime API、MCP、Agents SDK、Function calling 打造即時語音、RAG、Agent 應用$790$624 -
MCP 協議與大模型集成實戰：從協議設計到智能體開發$654$621 -
AI繪畫(MIDJOURNEY從入門到精通)$534$507 -
LangChain 與企業級 LLM 服務$594$564 -
AI Agent 奇幻旅程：MCP 通往異世界金鑰（含最新 OpenAI GPT-5 範例）$680$530 -
本地端 Ollama × LangChain × LangGraph × LangSmith 開發手冊：打造 RAG、Agent、SQL 應用$750$592 -
LangGraph 實戰開發 AI Agent 全攻略：掌握 AI 模型 × 工作流程 × 設計應用，從零打造智慧分工多代理協作系統（iThome鐵人賽系列書)$660$514 -
Ollama 本地 AI 全方位攻略：命令列功能、五大主題測試、RAG、Vibe Coding、MCP，一本搞定所有實戰應用$750$592 -
Midjourney人工智能創意設計$588$558 -
AI Agent 開發實戰：MCP + A2A + LangGraph 驅動的智能體全流程開發$599$569 -
內行人才知道的生成式 AI 系統設計面試指南 (Generative AI System Design Interview)$750$592
商品描述
本書深入研究了業界領 先的微軟與Neo4j GraphRAG解決方案，結合 中國國產大模型的應用條件 ，用一個貫通全書的例子， 探索GraphRAG在 各行 業具體應用場景中落地實施 的開源集成解決方案，具有 較好的可操作性和較高的性 價比，尤其適用於資源有限 的各種中小型組織快速地開 發、測試、集成與部署 GraphRAG應用，用大模型 AI為傳統業務賦能。本書也 適用於對GraphRAG技術感 興趣的技術人員、教師、學 生等讀者，可提供 GraphRAG技術現狀的概覽 與快速入門指導。
目錄大綱
1 在WSL2上搭建GPU Linux Server深度學習環境
1.1 在Windows WSL2上安裝Ubuntu 22
1.2 安裝Ubuntu 22 PyTorch深度學習開發環境
1.3 安裝配置Jupyter Hub
1.4 在PyTorch上運行HanLP
1.5 Neo4j Community安裝配置
2 微軟GraphRAG
2.1 微軟GraphRAG測試
2.2 Ollama本地運行
3 Neo4j GraphRAG
3.1 安裝Docker
3.2 Neo4j KGBuilder安裝
3.3 Neo4j KGBuilder測試
3.4 在Python中調用KGBuilder
4 開發GraphRAG應用
4.1 實體關系提取與導入
4.2 實體工程：索引、合並與社區摘要
4.3 局部查詢與全局查詢
5 Agent開發
5.1 實現多輪對話的GraphRAG局部查詢
5.2 用LangSmith調試
5.3 用Agent實現局部查詢
5.4 自己的Agent
5.5 為Agent增加全局查詢
6 在GraphRAG中應用國產大模型
6.1 國產大模型接入LangChain
6.2 用國產大模型構建知識圖譜
6.3 在Agent中應用國產大模型
7 本地部署LLM
7.1 Ollama本地部署LLM
7.2 端側小模型MiniCPM3測試
7.3 其他端側運行LLM的方法
8 開發GraphRAG APP
8.1 用FastAPI公開Agent調用
8.2 Shiny for Python開發環境安裝配置
8.3 Shiny for Python APP開發
9 GraphRAG應用評估
9.1 用Ragas評估GraphRAG應用
9.2 評估指標原理
9.3 LangSmith查看LLM調用序列
本書深入研究了業界領 先的微軟與Neo4j GraphRAG解決方案，結合 中國國產大模型的應用條件 ，用一個貫通全書的例子， 探索GraphRAG在 各行 業具體應用場景中落地實施 的開源集成解決方案，具有 較好的可操作性和較高的性 價比，尤其適用於資源有限 的各種中小型組織快速地開 發、測試、集成與部署 GraphRAG應用，用大模型 AI為傳統業務賦能。本書也 適用於對GraphRAG技術感 興趣的技術人員、教師、學 生等讀者，可提供 GraphRAG技術現狀的概覽 與快速入門指導。
