发现2024年最热门话题：生成式AI的最热门内容
由米歇尔·科宾：
本文最初发表在IBM Developer
生成式AI正在改变我们构建、创作和创新的方式。随着大规模语言模型（LLMs）、AI代理和开源项目的进步和提升，从没有比现在更好的时机深入研究这一充满变化的领域。
无论你是热衷于构建AI应用的开发者，探索新预测方法的数据科学家们，还是对LLM世界感兴趣的爱好者，我们都为你精心挑选了前十名的博客、文章和教程，帮助你紧跟潮流，并激发你下一个AI项目的灵感。探索最佳内容吧，这些内容将塑造你今年生成式AI之旅！
10. 使用 IBM Granite Code 开发生成 AI 应用程序在本教程《使用 IBM Granite Code 开发 gen AI 应用程序》中，您将学习如何使用 IBM Granite Code 模型作为代码助手角色来构建一个使用 Python 和 Flask 框架的 AI 应用程序。了解本地运行 Granite Code 的优势，利用所有开源代码的强大功能，以及作为代码助手的 Granite Code 如何大幅提升您的生产力。
试试Granite模型吧，你可以在Granite游乐场里尝试一下。
了解更多关于Granite模型的信息。点击这里。
9. 从文本生成SQL的LLM在这篇教程中，从文本生成SQL语句的LLM教程，你将学习如何使用来自IBM Granite模型的大型语言模型 (LLM) 将对数据操作的正常描述转换成有效的SQL语句。目标是将文本输入转换为结构化表示，并利用自然语言处理技术 (NLP) 利用这些结构化数据生成可在数据库上执行的语义正确的SQL查询。
在 IBM Developer 上探索更多关于 watsonx.ai 的内容。
8. 创建一个检索增强生成(RAG)代理以回答复杂问题在这篇教程中，构建一个RAG代理以回答复杂问题，你将学习如何构建一个基于RAG的LLM代理（AI代理），用于处理复杂问题并与其外部信息源（比如向量数据库和互联网）进行交互。在这篇教程中，你将看到一个示例RAG代理（附有示意图和完整的Python实现），并看到示例问题由示例RAG代理正确回答，却被ChatGPT 4错误回答。
了解更多关于AI代理的内容，请阅读这篇文章。了解更多关于基于大模型的AI代理，请参阅这篇博客。
在IBM Developer上了解更多关于检索增强生成（RAG）的内容。
7. 借助CrewAI和IBM watsonx.在这篇博客中，利用CrewAI和IBM的watsonx，你将了解如何利用CrewAI来管理AI代理，以及如何将CrewAI与watsonx相结合，而watsonx是IBM的一系列AI产品，旨在加速生成式AI的应用。
更多关于 watsonx 的内容，请访问 IBM Developer 和 IBM 官方产品页面。
6. 使用 watsonx 在 Python 中创建一个 LangChain AI 程序在本教程中，使用watsonx在Python中创建LangChain AI代理教程，您将学习如何使用LangChain在Python中创建一个AI代理（代理）。您将创建一个返回今日日期的工具，以及一个使用NASA开源API获取今日“每日天文照片”的工具。
Python，这种开源的编程语言，似乎是目前最受欢迎的用于生成式AI的编程语言。
5. 为开源大模型如比如Granite模型分享知识，通过InstructLab界面在本教程中，为开源大语言模型如Granite模型贡献知识和经验，使用InstructLab UI，你将学习如何使用InstructLab UI为开源大语言模型，例如IBM的Granite模型进行贡献。InstructLab采用了一种社区驱动的方式，来构建真正开源的LLM。
了解更多关于 InstructLab 是什么以及为什么开发者需要它的内容，请参阅 IBM Developer 上的这篇文章：。
更多地探索 InstructLab 内容。
4. 使用watsonx.ai flows引擎创建一个RAG应用程序在本教程中，使用watsonx.ai flows engine构建RAG应用，您将学习如何通过使用JavaScript和IBM watsonx.ai flows engine构建一个问答应用程序来增强应用程序的功能性，利用生成式AI。
通过使用 watsonx.ai flows 引擎工具的 CLI（命令行界面）和 SDK（软件开发工具包），您可以更轻松地在自己的应用程序中集成生成式人工智能。
看看这个 教程，了解如何用 watsonx.ai 流引擎。
3. 使用 IBM Granite 模型来做时间序列预测在这篇教程中，使用IBM Granite模型进行时间序列预测，你将学习如何使用紧凑的时间序列基础模型Granite TinyTimeMixer (TTM) 进行零样本预测（zero-shot prediction）和调优预测，使用空气污染数据集。你将学到使用基础模型进行时间序列预测的好处，尤其是它们能够以最小的模型容量处理不同分辨率的数据集。
更多地探索IBM Developer上的Granite模型相关资料，同时也可以探索关于watsonx.ai的更多内容。
2. 使用 IBM Granite Code、Ollama 和 Continue 构建本地 AI 副驾在此教程中，使用 IBM Granite Code 和 Ollama 构建本地 AI 助手 和 Continue，您将学习如何在 Visual Studio Code 中设置本地 AI 助手，克服数据隐私、许可和成本等常见企业挑战。设置包括开源大型语言模型、Ollama 模型服务和编辑器中的 AI 助手功能，并使用 Continue 进行支持。试试动手，使用本地大型语言模型构建你自己的本地 AI 助手。
本教程是我们《使用IBM Granite Code开发生成式AI应用》的预备教程。
探索IBM Developer上的相关内容关于Granite模型（Granite模型）。同时，探索IBM Developer上的相关内容更多关于watsonx.ai。
1. 使用 InstructLab 为开源的 Granite 模型项目贡献知识。在2024年的教程排名中，这篇教程仅仅以微弱优势超越我们第二名的教程：《使用InstructLab为开源Granite模型贡献知识》（https://developer.ibm.com/tutorials/awb-contributing-knowledge-instructlab-granite/）。在这篇教程中，你将学习如何使用InstructLab环境，在个人电脑或Mac上为开源大规模语言模型（LLM）贡献知识。完成本教程后，你将掌握成为InstructLab社区和更广泛的生成式AI生态系统中有价值贡献者的必要技能和知识。
我们的第5个教程是，向如Granite这样的开源LLM贡献知识，使用InstructLab UI，建立在该基础InstructLab教程所学2024年技能的基础上。
点击这里了解有关 InstructLab 的更多内容 更多内容。
想要更多吗？在2024年，学习生成式人工智能，意味着了解大型语言模型（LLM），如开源Granite模型，InstructLab这个开源项目，你可以用它来构建开源LLM，以及使用RAG、LangChain、Python或watsonx.ai技术的AI代理。让我们拭目以待2025年生成式人工智能会带来什么惊喜。
看看这篇来自Red Hat的 博客，了解他们2024年最优秀的10篇AI文章。
查看更多我们关于生成式AI的内容，访问我们的“用生成式AI构建”页面。
随时随地看视频
