GenerativeAIExamples

什么是 GenerativeAIExamples 项目？

项目概述

GenerativeAIExamples 项目是一个专为开发者设计的起始点，帮助他们与 NVIDIA 软件生态系统集成，加速生成式人工智能系统的开发。不论开发者是在构建 RAG（检索-生成）流程、代理工作流，还是在微调模型，这个项目都能助他们一臂之力，通过无缝和本地的方式将 NVIDIA 的技术融入到他们的开发栈中。

最新动态

GenerativeAIExamples 项目持续更新，以下是一些引人注目的更新内容：

知识图谱 RAG

借助 NIM 微服务和 RAPIDS 生态系统实现的 GPU 加速管道，用于创建和查询知识图谱。即使是大型数据集也能够高效处理。

Llama 3.1 的代理工作流

通过结合 Llama 3.1 和 NVIDIA NeMo 检索器 NIM 微服务来构建代理 RAG 流水线。该流程集成了 NVIDIA Morpheus 和 NIM 微服务，打造基于大语言模型（LLM）的代理管道。

本地 NIM 部署和 LangChain 的 RAG

分享了一些构建 RAG 流水线的技巧以及集成 NVIDIA AI LangChain 的 AI 端点的方法。

立刻尝试！

体验 NVIDIA 的 RAG 流水线只需几个简单步骤：

1. 获取 NVIDIA API 密钥，然后克隆仓库并构建运行基本的 RAG 流水线。
2. 进行查询，探索示例的 RAG 操作。
3. 使用 Docker Compose 管理容器的启停。

RAG 详细内容

RAG 笔记本

NVIDIA 为流行的生成式 AI 开发框架（如 LangChain、LlamaIndex、Haystack）提供了一流的支持。这些笔记本展示了如何使用开发者惯用的框架集成 NIM 微服务。

RAG 示例

这些端到端示例默认使用 NVIDIA API Catalog 中提供的预览 NIM 端点，同时也可以在本地运行：

• 基本 RAG 示例：包括 LangChain 和 LlamaIndex 的集成。
• 高级 RAG 示例：如多轮对话、支持多模态数据和结构化数据等。

RAG 工具

提供了一些示例工具和教程，旨在增强使用 NVIDIA RAG 流水线时的大语言模型（LLM）的开发和生产力。

文档与社区

起步指南与文档

GenerativeAIExamples 项目配有详细的文档，以指导用户如何开始、修改模型和配置 RAG 流水线的各个组成部分。

社区

该项目发布在 GitHub 上，旨在支持 NVIDIA LLM 社区，并欢迎各种贡献。开发者可以通过 GitHub 提出问题或提交拉取请求并参与贡献。