Skip to content

AI 工程实践 ​

简介 ​

AI 技术在企业落地中的工程实践笔记,涵盖检索增强生成、可观测性等方向。


📚 学习路径 ​

LangChain基础 → RAG基础 → 文档处理 → 检索策略 → 生成优化 → 可观测性

📁 内容模块 ​

LangChain 开发框架 ​

章节内容
概述核心概念、组件架构、快速开始、生态系统

RAG 检索增强生成 ​

章节内容
核心概念RAG架构、核心组件、工作流程
文档处理文档加载、文本分割、向量化、存储
检索策略基础检索、高级策略、元数据过滤、检索优化
生成优化问答链、提示词工程、自我修正、流式输出
评估监控评估指标、监控系统、A/B测试、持续改进

可观测性 ​

章节内容
概述三大支柱、核心概念
日志系统结构化日志、Agent日志、ELK Stack
指标系统Prometheus指标、Grafana可视化、告警规则
追踪系统OpenTelemetry、分布式追踪、Jaeger
告警系统告警规则、通知渠道、告警管理

🛠️ 技术栈 ​

  • 框架: LangChain、LlamaIndex
  • 向量数据库: Pinecone、Milvus、FAISS
  • LLM: OpenAI、Anthropic、LLaMA
  • 监控: Prometheus、Grafana、OpenTelemetry
  • 日志: ELK Stack、Loki
  • 追踪: Jaeger、Zipkin