Produktionsreife RAG-Anwendungen entwickeln: Jerry Liu

AI Engineer. Der CEO von LlamaIndex erläutert die Lücke zwischen einer „naiven RAG-Demo“ und einer realen Pipeline: Small-to-Big Retrieval, Routing von Unterfragen, hybride Suche und Evaluation. Die Struktur seiner Folien entspricht nahezu direkt den Pipelineabschnitten des Artikels. Sehen Sie zuerst das Video und lesen Sie den Artikel anschließend mit seinen Diagrammen im Kopf erneut.

Nächste Videos ansehen

Fahren Sie mit demselben Lernpfad fort und sehen Sie die nächsten kuratierten Begleitvideos.

39 Minuten

Einführung in RAG 2.0: agentisches RAG und Wissensgraphen (KOSTENLOSE Vorlage)

Agentisches und graphbasiertes Retrieval anhand einer konkreten Implementierung vergleichen.

FortgeschrittenKI für Unternehmen

13 Minuten

RAG vs. Fine-Tuning vs. Prompt-Engineering: KI-Modelle optimieren

Auf Grundlage des tatsächlichen Fehlermusters zwischen Prompt Engineering, RAG, Fine-Tuning oder einer Kombination wählen.

FortgeschrittenKI für Unternehmen

LLM-Modelle feinabstimmen – Kurs zu generativer KI

Sie können Quantisierung, LoRA- und QLoRA-Feinabstimmungen von Anfang bis Ende auf Hardware durchführen, die die meisten Entwickler bereits besitzen.

FortgeschrittenPrivate / lokale KI