生成式人工智能用例存储库

介绍

生成式人工智能用例存储库欢迎来到生成式人工智能用例存储库！这个全面的资源展示了生成式人工智能的前沿应用，包括检索增强生成（RAG）、人工智能代理以及特定行业的用例。探索MongoDB如何与RAG管道和人工智能代理集成，作为向量数据库、操作数据库和记忆提供者。

主要特点：

本节包含常见于行业focused场景和通用应用的用例示例。表格中的每个条目都包括描述以及生产级别示例和相关代码的链接。

用例	技术栈	链接	描述
客户支持聊天机器人	JavaScript, OpenAI, MongoDB	查看存储库	MongoDB聊天机器人框架提供了能够创建复杂聊天机器人的库

标题	技术栈	Colab	文章
使用Llama3、Hugging Face和MongoDB进行RAG	Hugging Face, Llama3, MongoDB
如何使用Claude 3 Opus和MongoDB构建RAG系统	MongoDB, Anthropic, Python
如何使用POLM AI技术栈构建RAG系统	POLM (Python, OpenAI, LlamaIndex, MongoDB)
MongoDB LangChain缓存记忆Python示例	POLM (Python, OpenAI, LangChain, MongoDB)
MongoDB LangChain缓存记忆JavaScript示例	JavaScript, OpenAI, LangChain, MongoDB
简单RAG实现示例	POLM (Python, OpenAI, LlamaIndex, MongoDB)	[](https://raw.githubusercontent.com/mongodb-developer/GenAI-Showcase/main/ https://colab.research.google.com/github/mongodb-developer/GenAI-Showcase/blob/main/notebooks/rag/naive_rag_implemenation_llamaindex.ipynb)
OpenAI 文本嵌入示例	Python, MongoDB, OpenAI
使用 Hugging Face 和 MongoDB 的 RAG 示例	Hugging Face, Gemma, MongoDB
PDF 对话示例	Python, MongoDB, OpenAI, LangChain
RAG 流程	Python, MongoDB, Gemma2, KeraNLP
使用开放模型的 RAG 流程	Python, MongoDB, Gemma2, Hugging Face
MongoDB 和 Haystack 烹饪顾问	Python, Haystack, OpenAI
MongoDB 和 Semantic Kernel 电影推荐机器人	C# 控制台应用, MongoDB, Semantic Kernel, Azure OpenAI 或 OpenAI	GitHub 仓库	查看文章
构建资产管理 RAG 聊天机器人	Cohere, MongoDB, Python		即将推出
具有 LLM 评估和审核功能的资产管理聊天机器人	Gemma 2B, ShieldGemma, MongoDB, Python		即将推出

智能体是一种具有环境意识的人工计算实体。它配备了通过输入进行感知、通过工具使用进行行动以及通过基于长期和短期记忆的基础模型进行认知的能力。在人工智能领域，智能体是能够基于环境感知做出智能决策并采取行动的人工实体，这种能力由大型语言模型支持。

标题	技术栈	文章链接
AI研究助手	FireWorks AI, MongoDB, LangChain
AI投资研究员	MongoDB, CrewAI 和 LangChain
智能RAG：推荐系统	Claude 3.5, LlamaIndex, MongoDB
智能HR聊天机器人	Claude 3.5, LangGraph, MongoDB	即将推出
AWS Bedrock智能体	Claude 3, AWS Bedrock, Python, MongoDB
资产管理助手	LangGraph, OpenAI, Anthropic, MongoDB

这个文件夹将包含所有传统机器学习教程。它们包括重要的解释、逐步说明以及读者从头到尾成功完成教程所需的一切内容。

标题	Colab链接
写在星星上：用Tensorflow和MongoDB Charts预测你的未来

这些 MongoDB 专题教程旨在展示特定的 MongoDB 平台与人工智能或机器学习的集成。这些逐步教程将使读者不仅能真正理解平台，还能理解 AI 的使用案例。

标题	Colab 链接
利用 MongoDB 地理空间查询和向量搜索打造 Aperol Spritz 之夏

工作坊旨在引导学习者逐步开发 LLM 应用程序。这些工作坊在笔记本和项目中包含必要的解释、定义和资源。每个工作坊都旨在构建基础知识，并逐步深入更复杂的主题。实践练习和真实世界的例子确保学习者能有效应用这些概念，使理解生成式 AI 应用的集成和部署变得更加容易。

标题	Colab 链接
实用 LLM 应用开发：从 RAG 管道到 AI 代理
使用 NextJS 和 Atlas 向量搜索构建聊天机器人

用于处理生成式 AI 模型的实用工具：

以下是各种带有嵌入的数据集，可用于 LLM 应用的概念验证和演示。所有数据集都可以从各自的 Hugging Face 页面访问和下载。

数据集名称	描述	链接
Cosmopedia	Cosmopedia 数据集子集的分块版本
电影	西部片、动作片和奇幻片，包括标题、发行年份、演员阵容和用于向量搜索的 OpenAI 嵌入。
Airbnb	Airbnb 房源数据集，包含物业描述、评论、元数据和嵌入。
科技新闻	2022 年和 2023 年关于有价值科技公司的科技新闻文章。
餐厅	包含位置、菜系、评分、属性的餐厅数据集，用于行业分析、推荐和地理研究。
arXiv 论文子集	这个 arXiv 子集为每个条目提供 256 维的 OpenAI 嵌入，由标题、作者和摘要组合而成。

AI 领域的思想领导力不是一个选项，我们认真对待它。这就是为什么我们精心策划了由我们团队创建的文章和作品，以使您为对话做好准备，并配备正确的信息来在构建 AI 产品时做出关键决策。

标题	链接
什么是AI技术栈？
如何使用LLMLingua和LangChain进行提示压缩来优化LLM应用
什么是Atlas向量搜索
如何为您的LLM应用选择正确的分块策略
如何为您的LLM应用选择正确的嵌入模型
如何评估您的LLM应用