توسعه برنامه های RAG با LlamaIndex و Next.js

مدرس Packt Publishing

انتشار 2026/02/27

مدت زمان 2h 53m

سطح مناسب همه

فایل تمرینی دارد

آموزش Developing RAG Apps with LlamaIndex and Next.js

توضیح این دوره در مورد چیست؟ با استفاده از LlamaIndex و جاوا اسکریپت، توسعه برنامه‌های تولید افزوده بازیابی (RAG) را کاوش کنید. پس از بررسی پیش نیازها و اهداف پروژه، روی راه اندازی محیط توسعه، از جمله پیکربندی Node.js و به دست آوردن کلیدهای OpenAI API برای تسهیل تعامل بدون درز با LlamaIndex تمرکز کنید. سپس به اصول LlamaIndex مانند دریافت داده ها، نمایه سازی و پرس و جو بروید. برای ساختن سیستم‌های RAG اولیه و سفارشی، جستجوی داده‌های ساختاریافته و تعامل با LlamaIndex با استفاده از Express API همراه باشید. تمرین‌ها شما را برای کنترل سناریوهای پیچیده، مانند جستجو در فایل‌های PDF و ادغام چندین منبع داده، مجهز می‌کنند. بخش های پایانی بر موضوعات پیشرفته، از جمله مدیریت ماندگاری داده ها و استقرار برنامه های کاربردی آماده تولید تمرکز دارند. شما یاد خواهید گرفت که چگونه با Next.js یک برنامه چت ربات تمام پشته ایجاد کنید و از Cre-llama CLI برای راه اندازی و سفارشی سازی سریع استفاده کنید. در پایان، می‌توانید برنامه‌های RAG مقیاس‌پذیر را بسازید، سفارشی کنید و به کار ببرید. توجه: این دوره توسط Packt Publishing ایجاد شده است. ما خوشحالیم که این محتوا را در کتابخانه خود میزبانی می کنیم. اهداف تا پایان این دوره چه کاری می توانم انجام دهم؟ سیستم‌های RAG را با LlamaIndex و JavaScript ایجاد کنید. یک محیط توسعه کامل را برای برنامه‌های RAG تنظیم و پیکربندی کنید. تکنیک های جذب و نمایه سازی داده ها را با استفاده از LlamaIndex اجرا کنید. پرسمان‌های پیچیده LlamaIndex را با بارکننده‌ها و موتورهای داده سفارشی بسازید. یک ربات چت تمام پشته با Next.js، LlamaIndex و OpenAI ایجاد کنید. سیستم‌های RAG مقیاس‌پذیر را با داده‌های پایدار برای استفاده در تولید مستقر کنید. مخاطب این دوره برای چه کسانی است؟ توسعه دهندگان نرم افزار مهندسین AI مهندسین یادگیری ماشین دانشمندان داده توسعه دهندگان وب علاقه مندان به فناوری که به ادغام هوش مصنوعی علاقه مند هستند متخصصان فناوری اطلاعات بر راه حل های مقیاس پذیر تمرکز کردند پیش نیازها چه چیزی باید قبل از شرکت در این دوره بدانم؟ دانش پایه جاوا اسکریپت و توسعه وب آشنایی با APIها و مفاهیم توسعه Backend درک پایه ای از مفاهیم هوش مصنوعی یا یادگیری ماشین مفید است اما لازم نیست

Artificial Intelligence (AI) Next.js Retrieval-Augmented Generation (RAG)

Introduction

Introduction ()

Course prerequisites and who is this course for? ()

Course structure ()

Please watch: What you'll build in this course ()

1. Development Environment Setup

Set up dev environment: Node.js instructions ()

Setup OpenAI account and the OpenAI API key ()

2. LlamaIndex Deep Dive: Fundamentals

Deep dive into LlamaIndex and key features: Overview ()

RAG crash course ()

LlamaIndex flow: Overview ()

LlamaIndex: Data ingestion, indexing and query interface overview ()

Hands-on: Set up LlamaIndex simple RAG system ()

Summary ()

3. LlamaIndex Deep Dive: Main Concepts and Data Loaders

LlamaIndex core concepts: Loaders index ()

The querying stage: Overview ()

Querying stage: ChatEngine and querying engine full overview ()

Hands-on: Create a custom RAG system with LlamaIndex ()

Hands-on: Structured data extraction ()

Hands-on: Querying a PDF file ()

Hands-on: Interacting with a RAG system through an Express API, full hands-on ()

Summary ()

4. Agents and Advanced Queries with LlamaIndex

Agents and advanced queries: The RouterQueryEngine overview ()

Hands-on: RAG system with multiple data sources ()

Hands-on: Creating a RouterQueryEngine to handle multiple query engines ()

Hands-on: Defining functions and querying tools to start chatting with the agent ()

5. Persist Your Data and Production-Ready Techniques

Production-ready techniques: Introduction ()

Hands-on: Data with LlamaIndex ()

Hands-on: Load index with the persisted data and stream response ()

Summary ()

6. NextJS Full-stack Web Application Chatbot with One Command and Deployment

Chatbot app with Next.js: Full-stack web app, overview ()

Hands-on: Generating a full-stack web app with create-llama CLI command ()

Hands-on: Customizing the app with your own data and chatting with it ()

Hands-on: Deploying our Next.js full-stack chat app to Vercel ()

7. Wrap up

Wrap up and next steps ()

Ex_Files_Developing_RAG_Apps.zip (81 KB)

دانلود فایل فشرده

با توجه به امکانات آموزش و همچنین امکانات بسته انتخاب شده لینک دانلود فایل فشرده آماده خواهد شد. با در نظر داشتن این شرایط لطفا بسته مورد نظر خود را انتخاب کرده و روی دکمه درخواست لینک دانلود کلیک کنید

در حال به روزرسانی اطلاعات

درخواست لینک دانلود

در حال به روزرسانی اطلاعات

لطفا قبل از فعالسازی لینک دانلود به موارد زیر توجه کنید:

پسورد فایل‌های فشرده است.
لینک‌های آماده شده تا 8 روز پس از فعالسازی منقضی خواهند شد.
حجم فایل‌ها تخمینی هستند.
در صورتی که لینک دانلود تا 15دقیقه پس از درخواست آماده نشد، از بخش پشتیبانی پیگیری نمایید.