本书基于大模型成功赋能AI搜索经验总结,系统梳理AI搜索的实现原理、核心技术、关键工具及模块化实现,带你从0到1搭建专属AI搜索应用,跑通全流程;配套全流程源码,降低开发门槛。
本书共8章。第1章从多个维度分析大模型技术,帮助读者理解其技术变革与应用的本质,最后分析了大模型落地难点,让读者对大模型有全面认知。第2章梳理AI搜索从关键词匹配到语义理解的发展路径,并以Lepton Search为例解析源码实现,帮读者构建AI搜索的初步认知框架。第3章全面解析查询理解、规划执行、答案内容优化以及答案缓存优化等AI搜索的关键技术,旨在帮助读者深入理解AI搜索系统的内部运作机制与实现。第4章介绍OpenAI API、DeepSeek、LangChain、Milvus等技术及其应用,帮助读者降低开发门槛。第5章讲解如何从零开始构建一个AI搜索系统的后端架构,涵盖后端技术方案设计、基础框架构建,为后续功能开发打好基础。第6章详解AI搜索系统的五大核心模块(实体、分析器、检索器、生成器、过滤器)的功能定位与代码实现,以构建一个结构清晰、职责分明的AI搜索引擎内核。第7章聚焦于系统的自动化调度设计,如动作类的定义与实现、调度器模块的构建,提升系统的智能化水平。第8章详解应用层(DAO操作层、Service逻辑层、Controller接口层)的开发流程,最后提供多个接口实现示例,并通过3个场景来测试AI搜索效果。
展开