Practical RAG in C# with .NET 10 and Azure_1
Retrieval-Augmented Generation (RAG) — это эффективный способ создания приложений на основе искусственного интеллекта, который позволяет комбинировать большие языковые модели с вашими собственными данными. Большинство современных руководств по RAG написаны для Python, но этот курс отличается от них. В этом курсе вы узнаете, как создать приложение на основе RAG с использованием искусственного интеллекта на C# и .NET 10, сосредоточившись на понимании всего процесса, а не на заучивании теории или внутренних механизмов машинного обучения. Мы начнем с локального подхода: настроим локальную среду выполнения ИИ с помощью Ollama и запустим модели на вашем компьютере. Затем вы создадите Chat API на C#, изучите обработку подсказок как часть логики приложения и поймете, почему при работе с системами искусственного интеллекта важны отказоустойчивость, повторные попытки и тайм-ауты. Затем вы познакомитесь с основами RAG, в том числе с конвейерами приема данных, стратегиями разбиения на фрагменты, моделями встраивания и векторным хранилищем. Вы реализуете автономный рабочий процесс приема данных, сохраните вложения в векторной базе данных и будете извлекать необходимый контекст перед формированием ответов. По ходу обучения вы узнаете, как вызовы инструментов и структурированные выходные данные вписываются в реальный рабочий процесс приложения.
Retrieval-Augmented Generation (RAG) — это эффективный способ создания приложений на основе искусственного интеллекта, который позволяет комбинировать большие языковые модели с вашими собственными данными. Большинство современных руководств по RAG написаны для Python, но этот курс отличается от них. В этом курсе вы узнаете, как создать приложение на основе RAG с использованием искусственного интеллекта на C# и .NET 10, сосредоточившись на понимании всего процесса, а не на заучивании теории или внутренних механизмов машинного обучения. Мы начнем с локального подхода: настроим локальную среду выполнения ИИ с помощью Ollama и запустим модели на вашем компьютере. Затем вы создадите Chat API на C#, изучите обработку подсказок как часть логики приложения и поймете, почему при работе с системами искусственного интеллекта важны отказоустойчивость, повторные попытки и тайм-ауты. Затем вы познакомитесь с основами RAG, в том числе с конвейерами приема данных, стратегиями разбиения на фрагменты, моделями встраивания и векторным хранилищем. Вы реализуете автономный рабочий процесс приема данных, сохраните вложения в векторной базе данных и будете извлекать необходимый контекст перед формированием ответов. По ходу обучения вы узнаете, как вызовы инструментов и структурированные выходные данные вписываются в реальный рабочий процесс приложения.