輕鬆學會RAG實作開發：在NVIDIA微服務打造零幻覺的LLM與生成式AI
活動訊息
第48次中小學生讀物選介
閱讀漫遊錄-2026上半年暢銷榜
台灣角川歌曲改編作品書展
本屋大賞歷屆書單
內容簡介
聚焦LLM關鍵技術，RAG觀念與實作並重
【內容簡介】
在生成式AI的浪潮下，檢索增強生成（Retrieval-Augmented Generation，RAG）已成為大型語言模型（LLM）的關鍵技術。由於LLM受限於訓練資料的時效性與涵蓋範圍，面對即時議題時容易引用過時知識，而在處理企業內部問題時，也常因缺乏私有數據而產生幻覺現象（Hallucination），為了改善上述問題，RAG技術應運而生，透過在生成答案前先從外部資料庫檢索相關資料，並提供給LLM作為回答依據，成為目前業界最主流的解決方案。
本書共分為6章，第0章完成開發環境建置，第1至5章依序帶入向量檢索增強生成（Vector RAG）、圖譜檢索增強生成（Graph RAG）、混合檢索增強生成（Hybrid RAG）、假想性文件嵌入（Hypothetical Document Embeddings，HyDE）與代理檢索增強生成（Agentic RAG）。各章以深入淺出的方式，帶領讀者從零開始、循序漸進地學習RAG的基礎知識與運作原理，並以「圖書館智慧問答系統」為情境，透過NVIDIA NIM微服務取得免費LLM資源，並搭配Docker Desktop部署Milvus向量資料庫與Neo4j圖資料庫進行實務開發，讓讀者觀念與實作並重，在短時間內快速上手。
【精彩內容】
✪完成開發環境建置：在Windows 11安裝Python、Docker Desktop與VS Code，完成NVIDIA NIM帳號註冊、API Key申請與模型挑選，並學習Git與GitHub版本控制的基本操作。
✪認識檢索增強生成（RAG）：瞭解LLM在未整合RAG時常見的幻覺現象（Hallucination）、引用過時知識、缺乏企業私有數據等問題。
✪認識向量檢索增強生成（Vector RAG）：瞭解Vector RAG是如何突破傳統「關鍵字字面比對」的限制，改以語意檢索（Semantic Search）找出語意相關的資料。
✪認識圖譜檢索增強生成（Graph RAG）：瞭解Graph RAG是如何透過三個主要階段，將外部文件轉化為可查詢的知識圖譜，並從中檢索與使用者提問相關的實體關聯脈絡。
✪認識混合檢索增強生成（Hybrid RAG）：瞭解Vector RAG與Graph RAG在檢索架構上的優缺點。
✪認識假想性文件嵌入（HyDE）：瞭解HyDE是如何透過LLM生成假想文件，縮短使用者問題與文件片段間的語意落差，進而提升檢索精準度。
✪認識代理檢索增強生成（Agentic RAG）：瞭解AI Agent是如何運用工具（Tool）、技能（Skill）與ReAct迴圈，自主完成檢索任務。
【內容簡介】
在生成式AI的浪潮下，檢索增強生成（Retrieval-Augmented Generation，RAG）已成為大型語言模型（LLM）的關鍵技術。由於LLM受限於訓練資料的時效性與涵蓋範圍，面對即時議題時容易引用過時知識，而在處理企業內部問題時，也常因缺乏私有數據而產生幻覺現象（Hallucination），為了改善上述問題，RAG技術應運而生，透過在生成答案前先從外部資料庫檢索相關資料，並提供給LLM作為回答依據，成為目前業界最主流的解決方案。
本書共分為6章，第0章完成開發環境建置，第1至5章依序帶入向量檢索增強生成（Vector RAG）、圖譜檢索增強生成（Graph RAG）、混合檢索增強生成（Hybrid RAG）、假想性文件嵌入（Hypothetical Document Embeddings，HyDE）與代理檢索增強生成（Agentic RAG）。各章以深入淺出的方式，帶領讀者從零開始、循序漸進地學習RAG的基礎知識與運作原理，並以「圖書館智慧問答系統」為情境，透過NVIDIA NIM微服務取得免費LLM資源，並搭配Docker Desktop部署Milvus向量資料庫與Neo4j圖資料庫進行實務開發，讓讀者觀念與實作並重，在短時間內快速上手。
【精彩內容】
✪完成開發環境建置：在Windows 11安裝Python、Docker Desktop與VS Code，完成NVIDIA NIM帳號註冊、API Key申請與模型挑選，並學習Git與GitHub版本控制的基本操作。
✪認識檢索增強生成（RAG）：瞭解LLM在未整合RAG時常見的幻覺現象（Hallucination）、引用過時知識、缺乏企業私有數據等問題。
✪認識向量檢索增強生成（Vector RAG）：瞭解Vector RAG是如何突破傳統「關鍵字字面比對」的限制，改以語意檢索（Semantic Search）找出語意相關的資料。
✪認識圖譜檢索增強生成（Graph RAG）：瞭解Graph RAG是如何透過三個主要階段，將外部文件轉化為可查詢的知識圖譜，並從中檢索與使用者提問相關的實體關聯脈絡。
✪認識混合檢索增強生成（Hybrid RAG）：瞭解Vector RAG與Graph RAG在檢索架構上的優缺點。
✪認識假想性文件嵌入（HyDE）：瞭解HyDE是如何透過LLM生成假想文件，縮短使用者問題與文件片段間的語意落差，進而提升檢索精準度。
✪認識代理檢索增強生成（Agentic RAG）：瞭解AI Agent是如何運用工具（Tool）、技能（Skill）與ReAct迴圈，自主完成檢索任務。
目錄
|CHAPTER 00| 環境安裝
0.1 前言
0.2 Python安裝
0.3 Docker安裝
0.4 VS Code安裝
0.5 NVIDIA NIM帳號註冊
0.6 NVIDIA NIM API KEY申請
0.7 NVIDIA NIM挑選模型
0.8 版本控制工具
|CHAPTER 01| 向量檢索增強生成
1.1 檢索增強生成
1.2 向量檢索增強生成
1.3 實驗：向量檢索增強生成
|CHAPTER 02| 圖譜檢索增強生成
2.1 圖譜檢索增強生成
2.2 實驗：圖譜檢索增強生成
|CHAPTER 03| 混合檢索增強生成
3.1 混合檢索增強生成
3.2 實驗：混合檢索增強生成
|CHAPTER 04| 假想性文件嵌入
4.1 假想性文件嵌入
4.2 實驗：假想性文件嵌入
|CHAPTER 05| 代理檢索增強生成
5.1 AI代理人
5.2 代理檢索增強生成
5.3 實驗：代理檢索增強生成
0.1 前言
0.2 Python安裝
0.3 Docker安裝
0.4 VS Code安裝
0.5 NVIDIA NIM帳號註冊
0.6 NVIDIA NIM API KEY申請
0.7 NVIDIA NIM挑選模型
0.8 版本控制工具
|CHAPTER 01| 向量檢索增強生成
1.1 檢索增強生成
1.2 向量檢索增強生成
1.3 實驗：向量檢索增強生成
|CHAPTER 02| 圖譜檢索增強生成
2.1 圖譜檢索增強生成
2.2 實驗：圖譜檢索增強生成
|CHAPTER 03| 混合檢索增強生成
3.1 混合檢索增強生成
3.2 實驗：混合檢索增強生成
|CHAPTER 04| 假想性文件嵌入
4.1 假想性文件嵌入
4.2 實驗：假想性文件嵌入
|CHAPTER 05| 代理檢索增強生成
5.1 AI代理人
5.2 代理檢索增強生成
5.3 實驗：代理檢索增強生成
配送方式
-
台灣
- 國內宅配：本島、離島
-
到店取貨：
不限金額免運費
-
海外
- 國際快遞：全球
-
港澳店取：
訂購/退換貨須知
加入金石堂 LINE 官方帳號『完成綁定』，隨時掌握出貨動態：
提醒您！！
金石堂及銀行均不會請您操作ATM! 如接獲電話要求您前往ATM提款機，請不要聽從指示，以免受騙上當！
退換貨須知：
**提醒您，鑑賞期不等於試用期，退回商品須為全新狀態**
-
依據「消費者保護法」第19條及行政院消費者保護處公告之「通訊交易解除權合理例外情事適用準則」，以下商品購買後，除商品本身有瑕疵外，將不提供7天的猶豫期：
- 易於腐敗、保存期限較短或解約時即將逾期。（如：生鮮食品）
- 依消費者要求所為之客製化給付。（客製化商品）
- 報紙、期刊或雜誌。（含MOOK、外文雜誌）
- 經消費者拆封之影音商品或電腦軟體。
- 非以有形媒介提供之數位內容或一經提供即為完成之線上服務，經消費者事先同意始提供。（如：電子書、電子雜誌、下載版軟體、虛擬商品…等）
- 已拆封之個人衛生用品。（如：內衣褲、刮鬍刀、除毛刀…等）
- 若非上列種類商品，均享有到貨7天的猶豫期（含例假日）。
- 辦理退換貨時，商品（組合商品恕無法接受單獨退貨）必須是您收到商品時的原始狀態（包含商品本體、配件、贈品、保證書、所有附隨資料文件及原廠內外包裝…等），請勿直接使用原廠包裝寄送，或於原廠包裝上黏貼紙張或書寫文字。
- 退回商品若無法回復原狀，將請您負擔回復原狀所需費用，嚴重時將影響您的退貨權益。
商品評價