Databricks AI 逐步指南簡介
Databricks AI 逐步指南及其範例程式碼在 Databrickss 平台上使用 Mosaic AI 代理程式評估和 Mosaic AI 代理程式架構，展示了從概念證明 (POC) 至高品質生產環境就緒應用程式的整個過程。
Databricks 生成式 AI 逐步指南是用於建置高品質生成式 AI 應用程式的明確操作指南。 高品質的應用程式如下：
- 準確：它們提供準確的回應
- 安全：它們不提供有害或不安全的回應
- 受管制：它們遵守資料權限和存取控制並追蹤譜系
本逐步指南是與 Mosaic AI 的研究團隊合作開發的，其列出了透過 Databricks 建置高品質 RAG 應用程式的最佳做法開發工作流程：評估驅動的開發。 其中概述了提高 RAG 應用程式品質的最相關方法，並提供了實作這些技術的範例程式碼的綜合存放庫。
提示
使用本逐步指南，您可以透過多種方式建置 RAG 應用程式：
- 如果您只有幾分鐘時間並且想查看 Mosaic AI 代理程式架構和代理程式評估的示範。
- 您想要直接跳入程式碼並使用您的資料部署 RAG POC。
- 您沒有任何資料，但想要部署範例 RAG 應用程式。
確保品質的 Databricks 方法
Databricks 採用下列方法來確保 AI 品質：
- 快速、程式碼優先的開發人員迴圈，可快速迭代以改進品質。
- 讓您輕鬆收集人工意見反應。
- 提供了一個用於快速、可靠地測量應用程式品質的架構。
本逐步指南適用於 Databricks 平台。 具體而言：
- Mosaic AI 代理程式架構，提供了一個具有企業級 LLMops 和治理功能的快速開發人員工作流程。
- Mosaic AI 代理程式評估，使用專屬 AI 輔助 LLM 評量提供可靠的品質測量，以測量品質計量，這些計量由透過直覺式 Web 型聊天 UI 收集的人工意見反應提供支援。
程式碼型工作流程
從下面選擇最符合您需求的工作流程：
| 所需時間 | 將建置的對象 | 連結 |
|---|---|---|
| 10 分鐘 | 部署至 Web 型聊天應用程式的範例 RAG 應用程式，可收集意見反應 | Rag 示範 |
| 2 小時 | 使用您的資料部署至聊天 UI 的 POC RAG 應用程式，可收集您的商務利害關係人的意見反應 | 建置和部署 POC |
| 1 小時 | POC 應用程式的綜合品質、成本和延遲評估 | - 評估您的 POC - 找出品質問題的根本原因 |