高品質なRAGアプリをMosaic AIエージェントフレームワークとエージェント評価、モデル提供、ベクトル検索で構築します

LLMは、内部の知識ベースから外部の、顧客向けのドキュメンテーションやサポートまで、情報とのやり取りの方法を変革しています。

Databricksのリトリーバル拡張生成（RAG）とサーバーレス機能を使用して、リアルタイムのQ＆Aチャットボットを作成しデプロイする方法を学びましょう。これにより、DBRX Instruct Foundation Modelを活用してスマートなレスポンスを得ることができます。

RAGは、モデルがより良い回答を提供できるように、特定のドメインに特化した追加のコンテキストでLLMプロンプトを豊かにする強力な手法です。

この技術は、自分自身のLLMをデプロイして微調整することなく、公開モデルを使用して優れた結果を提供します。

あなたが学ぶこと:

• あなたの内部知識ベースを構築し、チャットボットを特化させるためのクリーンなドキュメントを準備します
• Databricks Vector Searchと私たちのFoundation Modelエンドポイントを使用して、ドキュメントの埋め込みを作成し保存します
• Databricks Vector Searchを使用して、私たちの知識データベースから類似のドキュメントを検索します
• RAGを使用してリアルタイムモデルをデプロイし、プロンプトに拡張コンテキストを提供します
• Databricks Foundation Modelエンドポイント（完全に管理された）を通じてDBRX指示モデルを活用してください。
• あなたのモザイクAIエージェント評価アプリケーションをデプロイして、回答をレビューし、データセットを評価してください。
• Lakehouseアプリケーションを使用してチャットボットのフロントエンドをデプロイします

 

デモを実行するには、無料のDatabricksワークスペースを取得し、Pythonノートブックで以下の2つのコマンドを実行します：