Ebook Xây Dựng Các Neo4j-Powered App Với LLM - Tạo Các Search & Recommendation App Dựa Trên LLM Với Haystack, LangChain4j Và Spring AI [Ấn Bản Lần 1, Tháng 6/2025] [PDF, EPUB] [9351E]
Hướng dẫn toàn diện về việc xây dựng các ứng dụng generative AI tiên tiến bằng cách sử dụng knowledge graphs và các khả năng vector search của Neo4j.
1. Các tính năng chính:
- ✓ Thiết kế các hệ thống vector search và recommendation với LLM sử dụng Neo4j GenAI, Haystack, Spring AI và LangChain4j.
- ✓ Áp dụng các best practice cho graph exploration, modeling, reasoning và performance optimization.
- ✓ Build và consume các Neo4j knowledge graph và deploy các ứng dụng GenAI của bạn lên Google Cloud.
2. Mô tả sách:
Bắt đầu hành trình với sự hướng dẫn của chuyên gia để xây dựng các ứng dụng được hỗ trợ bởi LLM bằng cách sử dụng Retrieval-Augmented Generation (RAG) và Neo4j knowledge graph. Được viết bởi một chuyên gia tư vấn chính tại Neo4j và một Google Developer Expert về GenAI, hướng dẫn toàn diện này là điểm khởi đầu để bạn khám phá các giải pháp thay thế cho LangChain, bao gồm các framework như Haystack, Spring AI và LangChain4j.
Khi LLM (large language model) định hình lại cách doanh nghiệp tương tác với khách hàng, cuốn sách này giúp bạn phát triển các ứng dụng thông minh bằng kiến trúc RAG và knowledge graph, tập trung mạnh vào việc vượt qua một trong những thách thức dai dẳng nhất của AI, giảm thiểu ảo giác. Bạn sẽ học cách model và kiến trúc các Neo4j knowledge graph bằng Cypher để tăng cường độ chính xác và tính liên quan của các phản hồi LLM.
Thông qua các trường hợp sử dụng thực tế như vector-powered search và các personalized recommendation, các tác giả giúp bạn xây dựng trải nghiệm thực tế với tích hợp Neo4j GenAI trên Haystack và Spring AI. Với quyền truy cập vào một GitHub repository đi kèm, bạn sẽ làm việc thông qua các ví dụ nặng về code để tự tin build và deploy các ứng dụng GenAI trên Google Cloud.
Khi đọc hết cuốn sách này, bạn sẽ có đủ kỹ năng để xây dựng nền tảng LLM với RAG và Neo4j, tối ưu hóa hiệu suất đồ thị và lựa chọn chiến lược nền tảng đám mây phù hợp cho các ứng dụng GenAI của mình.
3. Bạn sẽ học được gì:
- ✓ Design, populate và integrate một Neo4j knowledge graph với RAG.
- ✓ Model data cho các knowledge graph.
- ✓ Tích hợp AI-powered search để nâng cao khả năng knowledge exploration.
- ✓ Duy trì và giám sát AI search application của bạn với Haystack.
- ✓ Sử dụng LangChain4j và Spring AI cho recommendations và personalization.
- ✓ Triển khai ứng dụng của bạn một cách liền mạch lên Google Cloud Platform.
4. Cuốn sách này dành cho ai:
Cuốn sách LLM này dành cho các database developers và data scientist muốn tận dụng knowledge graph với Neo4j và khả năng vector search của nó để xây dựng các hệ thống tìm kiếm và đề xuất thông minh. Kiến thức làm việc về Python và Java là điều cần thiết để theo dõi. Sự quen thuộc với Neo4j, ngôn ngữ truy vấn Cypher và các khái niệm cơ bản về cơ sở dữ liệu sẽ rất hữu ích.
5. Mục lục:
- ✓ Phần I: Giới thiệu RAG & Knowledge Graph cho LLM Grounding:
- ✓ Chương 01. Giới thiệu LLM, RAG và Neo4j Knowledge Graph.
- ✓ Chương 02. Demystifying RAG.
- ✓ Chương 03. Xây dựng sự hiểu biết nền tảng về Knowledge Graph cho các ứng dụng thông minh.
- ✓ Phần II: Tích hợp Haystack với Neo4j: Hướng dẫn thực tế để xây dựng AI-Powered Search:
- ✓ Chương 04. Xây dựng Neo4j Graph của bạn với Movies Dataset.
- ✓ Chương 05. Triển khai các chức năng tìm kiếm mạnh mẽ với Neo4j và Haystack.
- ✓ Chương 06. Khám phá các khả năng nâng cao của Knowledge Graph.
- ✓ Phần III: Xây dựng một Intelligent Recommendation System với Neo4j, Spring AI & LangChain4j:
- ✓ Chương 07. Giới thiệu Neo4j Spring AI và các LangChain4j Framework để xây dựng các hệ thống Recommendation.
- ✓ Chương 08. Kiến trúc một Recommendation Graph với H&M Personalization Dataset.
- ✓ Chương 09. Tích hợp LangChain4j và SpringAI với Neo4j.
- ✓ Chương 10. Tạo một Intelligent Recommendation System.
- ✓ Phần IV: Deploy ứng dụng GenAI của bạn lên Cloud:
- ✓ Chương 11. Chọn Cloud Platform phù hợp cho các ứng dụng GenAI.
- ✓ Chương 12. Deploy ứng dụng của bạn trên Cloud.
- ✓ Chương 13. Lời kết.
LƯU Ý: Pass mở file pdf là mật khẩu giải nén chung của tài liệu !