RAG, LLM i chatboty AI – budowa systemów opartych na wiedzy organizacji

Moduł 1. Modele LLM i architektura współczesnych systemów AI

2 h – teoria: 1,5 h / praktyka: 0,5 h

• czym są duże modele językowe LLM

• sposób generowania odpowiedzi przez modele AI

• ograniczenia modeli językowych

• halucynacje i aktualność wiedzy

• różnice między chatbotem, RAG i agentem AI

• przykłady zastosowania LLM w przedsiębiorstwach

Moduł 2. Fundamenty RAG – Retrieval-Augmented Generation

3 h – teoria: 1,5 h / praktyka: 1,5 h

• czym jest RAG i dlaczego wykorzystuje się go w systemach AI

• architektura rozwiązania RAG

• pobieranie informacji z zewnętrznych źródeł

• przekazywanie odnalezionego kontekstu do modelu językowego

• wykorzystanie RAG do pracy na dokumentach organizacji

• projektowanie przykładowego rozwiązania

Moduł 3. Przygotowanie dokumentów i budowa bazy wiedzy

3 h – teoria: 1 h / praktyka: 2 h

• dobór źródeł wiedzy

• przygotowanie dokumentów do przetwarzania

• dzielenie treści na fragmenty – chunking

• znaczenie wielkości i struktury fragmentów

• metadane i organizacja dokumentów

• jakość i aktualność danych

• tworzenie przykładowej bazy wiedzy

Moduł 4. Embeddingi, wyszukiwanie semantyczne i bazy wektorowe

3 h – teoria: 1,5 h / praktyka: 1,5 h

• czym są embeddingi

• reprezentacja znaczenia tekstu

• podobieństwo semantyczne

• wyszukiwanie informacji na podstawie znaczenia zapytania

• zasada działania baz wektorowych

• dobór najbardziej trafnych fragmentów wiedzy

• praktyczne testowanie wyszukiwania semantycznego

Moduł 5. Budowa chatbota wykorzystującego RAG

4 h – teoria: 1 h / praktyka: 3 h

• projektowanie przepływu informacji

• pytanie użytkownika i wyszukiwanie kontekstu

• przekazywanie kontekstu do modelu LLM

• tworzenie instrukcji dla modelu

• generowanie odpowiedzi na podstawie dokumentów

• wskazywanie źródeł odpowiedzi

• tworzenie prototypu chatbota AI

• testowanie chatbota na własnej bazie wiedzy

Moduł 6. Frameworki i narzędzia do budowania rozwiązań RAG

2 h – teoria: 0,5 h / praktyka: 1,5 h

• środowiska i narzędzia wykorzystywane do budowy systemów RAG

• wykorzystanie frameworków wspierających pracę z LLM

• podstawy pracy z LangChain

• łączenie modeli, dokumentów i procesów wyszukiwania

• budowanie prostego przepływu RAG

• możliwości dalszej automatyzacji rozwiązania

Moduł 7. Testowanie, optymalizacja i bezpieczeństwo systemów RAG

2 h – teoria: 1 h / praktyka: 1 h

• testowanie jakości odpowiedzi

• ocena trafności odnalezionego kontekstu

• ograniczanie halucynacji

• poprawa jakości wyszukiwania

• poufność i bezpieczeństwo dokumentów

• kontrola dostępu do wiedzy

• zasady nadzoru człowieka nad systemem

Moduł 8. Warsztat – własny chatbot AI na wiedzy organizacji

2 h – praktyka: 2 h

• wybór zastosowania biznesowego

• przygotowanie źródeł wiedzy

• konfiguracja procesu RAG

• przygotowanie instrukcji dla modelu

• budowa prototypu rozwiązania

• testowanie odpowiedzi

• optymalizacja działania systemu

Materiały szkoleniowe zostaną udostępnione uczestnikom w formie elektronicznej do pobrania z platformy szkoleniowej. Obejmą materiały prezentowane podczas zajęć, przykładowe instrukcje i prompty, materiały ćwiczeniowe oraz przykłady zastosowania agentów AI.

Uczestnik powinien posiadać podstawową umiejętność obsługi komputera, korzystania z Internetu oraz narzędzi generatywnej sztucznej inteligencji. Rekomendowana jest podstawowa znajomość modeli językowych i narzędzi takich jak ChatGPT, Claude, Gemini lub podobnych. Znajomość programowania nie jest wymagana.

Szkolenie ma charakter praktyczno-warsztatowy. Uczestnicy podczas zajęć będą pracować z dokumentami, bazami wiedzy oraz narzędziami wykorzystującymi modele językowe. Ćwiczenia obejmują m.in. przygotowanie danych, wyszukiwanie semantyczne, konfigurację procesu RAG, testowanie odpowiedzi oraz budowę prototypu chatbota wykorzystującego własne źródła wiedzy.

Program może być realizowany na przykładach dopasowanych do potrzeb i specyfiki grupy. W trakcie szkolenia mogą być wykorzystywane zarówno bezpłatne, jak i płatne wersje narzędzi AI. Trener każdorazowo wskaże rozwiązania dostępne uczestnikom i możliwe alternatywy.

Usługa prowadzona jest w czasie rzeczywistym. Zajęcia obejmują część teoretyczną, demonstracje prowadzącego oraz ćwiczenia praktyczne wykonywane samodzielnie przez uczestników.

Do udziału w szkoleniu wymagany jest komputer lub laptop z dostępem do stabilnego Internetu oraz aktualną wersją przeglądarki internetowej. Uczestnik powinien posiadać aktywny adres e-mail umożliwiający rejestrację i logowanie do narzędzi wykorzystywanych podczas szkolenia.

W przypadku szkolenia zdalnego wymagane są dodatkowo:

• mikrofon i głośniki lub słuchawki

• możliwość udziału w spotkaniu online w czasie rzeczywistym

• dostęp do platformy szkoleniowej wskazanej przez organizatora

• możliwość otwierania i pobierania dokumentów oraz materiałów szkoleniowych

• możliwość korzystania z internetowych narzędzi wykorzystujących AI

Zalecane jest korzystanie z komputera lub laptopa zamiast telefonu lub tabletu ze względu na warsztatowy charakter zajęć.