Ebook Xây Dựng Các Ứng Dụng Dựa Trên Dữ Liệu Với LlamaIndex - Hướng Dẫn Thực Tế Về RAG Pipeline, Agentic Workflow & Production AI Deployment [Ấn Bản Lần 2, 5/2026] [PDF, EPUB] [8988E]
Xây dựng các ứng dụng AI dựa trên dữ liệu với LlamaIndex thông qua các ví dụ thực hành bao gồm các RAG pipeline, agentic workflow, multi-agent system, prompt engineering, evaluation và deployment với Python & Streamlit.
1. Các tính năng chính:
- ✓ Build các RAG pipeline hoàn chỉnh từ ingestion đến deployment với các ví dụ hoạt động thực tế.
- ✓ Design các agentic workflow & multi-agent architecture cho các hệ thống AI sẵn sàng cho production.
- ✓ Phát triển một project thực hành từ một ứng dụng LLM đơn giản đến một ứng dụng web đã deploy được hỗ trợ bở AI.
- ✓ Với Ollama, bạn có thể vận hành mọi thứ local - không cần API key hay chi phí phát sinh.
2. Mô tả sách:
Các Large language model có thể generate những phản hồi ấn tượng, nhưng chúng thường gặp khó khăn với kiến thức lỗi thời, quyền truy cập hạn chế vào dữ liệu độc quyền, ảo giác và lập luận không nhất quán trong các ứng dụng thực tế. LlamaIndex giải quyết những thách thức này thông qua RAG, cho phép các nhà phát triển kết nối các LLM với các data source và xây dựng các ứng dụng AI đáng tin cậy hơn.
Phiên bản thứ hai được cập nhật hoàn toàn này phản ánh sự phát triển mới nhất của hệ sinh thái LlamaIndex. Bạn sẽ học cách ingest & parse data từ nhiều nguồn, xây dựng các index được tối ưu hóa và triển khai các chiến lược truy xuất nâng cao cho các ứng dụng RAG chất lượng cao.
Cuốn sách giới thiệu các agentic AI pattern hiện đại sử dụng các LlamaIndex Workflow, chat engine, agent & multi-agent orchestration. Bạn cũng sẽ khám phá observability & RAG evaluation, các prompt engineering best practice và các chiến lược triển khai bằng Streamlit.
Xuyên suốt cuốn sách, bạn sẽ xây dựng một ứng dụng Contract Review Expert thực tế, phát triển từng chương từ một query engine đơn giản thành một ứng dụng web đã được deploy hoàn toàn được hỗ trợ bởi AI. Bạn cũng sẽ học cách sử dụng các enterprise tooling như LlamaParse cùng với các lựa chọn thay thế mã nguồn mở như LiteParse.
Sau khi đọc xong cuốn sách này, bạn sẽ có khả năng để design, build, evaluate & deploy các ứng dụng LlamaIndex có khả năng mở rộng dựa trên dữ liệu của riêng bạn.
3. Những điều bạn sẽ học được:
- ✓ Hiểu rõ hệ sinh thái LlamaIndex và các trường hợp sử dụng cốt lõi.
- ✓ Nắm vững các kỹ thuật để ingest & parse data từ nhiều nguồn khác nhau.
- ✓ Xây dựng các index được tối ưu cho các ứng dụng RAG.
- ✓ Truy vấn dữ liệu bằng cách sử dụng các retriever, postprocessor và response synthesizer.
- ✓ Design các agentic workflow & multi-agent system.
- ✓ Deploy các ứng dụng AI bằng Python và Streamlit.
- ✓ Evaluate & tune việc triển khai RAG của bạn sử dụng các observability tool & key metric.
- ✓ Áp dụng các prompt engineering best practice để cải thiện khả năng phản hồi của AI.
4. Cuốn sách này dành cho ai?
Cuốn sách này dành cho các Python developer có kiến thức cơ bản về các LLM và muốn xây dựng các ứng dụng generative & agentic AI tương tác, sử dụng dữ liệu độc quyền. Các developer & AI practitioner giàu kinh nghiệm cũng sẽ được hưởng lợi từ các kỹ thuật nâng cao được đề cập, như agentic workflow, multi-agent orchestration, RAG evaluation và enterprise tooling. Sách giả định người đọc đã có kiến thức cơ bản về Python và quen thuộc với các khái niệm về generative AI.
Cuốn sách này hướng đến những người có kiến thức cơ bản về Python và kinh nghiệm thực tế trong việc phát triển ứng dụng sử dụng các mô hình Generative AI.
5. Mục lục:
- ✓ Phần 1: Giới thiệu về Generative AI & LlamaIndex:
- ✓ Chương 01. Hiểu về các Large Language Model.
- ✓ Chương 02. LlamaIndex: Viên ngọc ẩn giấu - Giới thiệu về hệ sinh thái LlamaIndex.
- ✓ Phần 2: Bắt đầu LlamaIndex Project đầu tiên của bạn:
- ✓ Chương 03. Khởi đầu hành trình của bạn với LlamaIndex.
- ✓ Chương 04. Ingesting Data vào RAG Workflow của chúng ta.
- ✓ Chương 05. Indexing với LlamaIndex.
- ✓ Phần 3: Truy xuất và làm việc với Indexed Data:
- ✓ Chương 06. Truy vấn dữ liệu của chúng ta, Phần 1 - Context Retrieval.
- ✓ Chương 07. Truy vấn dữ liệu của chúng ta, Phần 2 - Postprocessing & Response Synthesis.
- ✓ Chương 08. Xây dựng nhanh hơn và thông minh hơn với Workflow.
- ✓ Phần 4: Xây dựng Chatbot và Agent với LlamaIndex:
- ✓ Chương 09. Hiểu kiến trúc Agent cơ bản.
- ✓ Chương 10. Khám phá các Agentic Use Case nâng cao.
- ✓ Phần 5: Customization, Evaluation, Prompt Engineering & Lời kết:
- ✓ Chương 11. Tùy chỉnh và Triển khai LlamaIndex Project của chúng ta.
- ✓ Chương 12. Tuning RAG Implementation - Observability & Evaluation.
- ✓ Chương 13. Prompt Engineering Guideline & Best Practice.
- ✓ Chương 14. Going Enterprise với LlamaParse.
- ✓ Chương 15. Kết luận và Tài nguyên bổ sung.