Wzorce projektowe w generatywnej AI. Sprawdzone rozwiązania przy budowie agentów i aplikacji GenAI

Wzorce projektowe w generatywnej AI. Sprawdzone rozwiązania przy budowie agentów i aplikacji GenAI

Czego się nauczysz?

Kontrolowania stylu i formatu odpowiedzi LLM za pomocą maskowania logitów i reguł gramatycznych
Przenoszenia stylu między tekstami oraz neutralizowania i odwracania tonu wypowiedzi
Optymalizowania treści generowanej przez modele pod kątem jakości i spójności
Projektowania i wdrażania podstawowego RAG do uzupełniania wiedzy modeli bazowych
Budowania indeksów semantycznych oraz skalowania indeksowania dla dużych zbiorów danych
Ulepszania retrievalu dzięki podejściu świadomemu indeksu i postprocessingu węzłów
Zwiększania wiarygodności generacji poprzez cytowanie źródeł i strategie ograniczania halucynacji
Stosowania głębokiego wyszukiwania (Deep Search) do trudnych zapytań i wieloetapowego odzyskiwania kontekstu
Wzmacniania wnioskowania modelu technikami Chain of Thought i Tree of Thoughts
Rozszerzania możliwości modeli przez strojenie adapterów i podejście Evol-Instruct
Podnoszenia niezawodności odpowiedzi dzięki LLM-as-Judge oraz mechanizmom refleksji i autokorekty
Uporządkowania architektury aplikacji GenAI przez wstrzykiwanie zależności i optymalizację promptów
Wyposażania agentów w działanie przez wywoływanie narzędzi, wykonywanie kodu i współpracę wieloagentową
Optymalizowania kosztów i opóźnień przez małe modele językowe, buforowanie promptów i optymalizację inferencji
Testowania zachowania systemu pod obciążeniem i w degradacji oraz wdrażania pamięci długoterminowej
Implementowania zabezpieczeń z użyciem szablonów, przebudowy danych, samosprawdzenia i guardrails

Generatywna sztuczna inteligencja rewolucjonizuje pracę nad tworzeniem aplikacji. Modele bazowe takie jak GPT, Claude, Gemini czy Llama umożliwiają szybkie budowanie demonstracji, lecz rzeczywiste wdrożenia mierzą się z halucynacjami, niespójnymi odpowiedziami, lukami w wiedzy i problemami z niezawodnością. Książka przedstawia 32 wzorce projektowe wypracowane przez praktyków wdrażających systemy GenAI na dużą skalę. To nie teoria, lecz konkretne recepty na powtarzalne problemy, z którymi zmaga się każdy inżynier AI budujący aplikacje gotowe do produkcji.

Autorzy prowadzą czytelnika przez cały proces inżynierii AI od kontrolowania stylu i formatu treści, przez integrację wiedzy zewnętrznej z zaawansowanym RAG, wzmacnianie zdolności wnioskowania, budowę niezawodnych systemów, tworzenie agentów zdolnych do działania, aż po optymalizację wdrożeń i implementację zabezpieczeń. Każdy wzorzec jest opisany według jednolitego schematu: problem, sprawdzone rozwiązanie, kompletny przykład kodu, omówienie alternatyw i kompromisów implementacyjnych. Książka łączy osiągnięcia najnowszych badań z praktycznym doświadczeniem ekspertów i dostarcza gotowe wskazówki dla osób tworzących aplikacje oparte na modelach bazowych.

W książce:

RAG i zarządzanie wiedzą
Wzorce agentowe
Optymalizacja i skalowanie
Zwiększanie niezawodności
Zarządzanie stylem
Zabezpieczenia
Rozszerzanie możliwości

Od prototypu do produkcji 32 sprawdzone wzorce dla aplikacji GenAI