Полезные ссылки и ресурсы¶

В этом разделе собраны полезные ресурсы, документация и инструменты, которые помогут вам глубже изучить различные аспекты применения ИИ в юридической практике.

Промпт-инжиниринг¶

Руководства и документация¶

• Prompt Engineering Guide (русский)
  Полное руководство по промпт-инжинирингу на русском языке. Включает:
• Основы промптинга и элементы промпта
• Техники: Zero-shot, Few-shot, Chain-of-Thought, ReAct и другие
• Примеры промптов для различных задач
• Применение в генерации данных, кода, классификации

• Prompt Hub с готовыми шаблонами

• Prompt Engineering Guide (английский)
  Оригинальная версия руководства с наиболее актуальной информацией и примерами.

Дополнительные ресурсы¶

• OpenAI Prompt Engineering Best Practices
  Официальные рекомендации OpenAI по созданию эффективных промптов.

• Anthropic Prompt Library
  Коллекция промптов от создателей Claude с примерами для различных задач.

Hugging Face¶

Основные ресурсы¶

• Hugging Face Hub
  Крупнейшая платформа для открытых моделей ИИ:
• Тысячи предобученных моделей
• Демо-версии моделей для тестирования
• Документация и примеры использования

• Интеграции с популярными библиотеками

• Hugging Face Transformers
  Библиотека для работы с трансформерами:

• Документация по API
• Примеры использования моделей
• Руководства по fine-tuning

• Интеграция с различными фреймворками

• Hugging Face Spaces
  Платформа для размещения и тестирования ИИ-приложений:

• Готовые демо-версии моделей
• Примеры интерактивных приложений
• Возможность создать собственное приложение

Специализированные разделы¶

• Hugging Face Models
  Каталог моделей с фильтрацией по типам, задачам, языкам.

• Hugging Face Datasets
  Коллекция датасетов для обучения и тестирования моделей.

• Hugging Face Course
  Бесплатный курс по NLP и работе с трансформерами.

RAG (Retrieval-Augmented Generation)¶

Документация и руководства¶

• LangChain RAG Tutorial
  Подробное руководство по созданию RAG-систем с использованием LangChain:
• Пошаговые инструкции
• Примеры кода
• Интеграция с векторными БД

• Оптимизация производительности

• LlamaIndex Documentation
  Фреймворк для построения RAG-приложений:

• Документация по индексации документов
• Примеры использования
• Интеграция с различными LLM

• Оптимизация запросов

• RAG-Anything
  Универсальный фреймворк для Retrieval-Augmented Generation:

• Поддержка мультимодальной обработки документов
• Гибкая архитектура для различных типов данных

• Примеры использования и документация

• LightRAG
  Простой и быстрый фреймворк для RAG:

• Оптимизирован для производительности
• Минималистичный подход к реализации RAG
• Легкая интеграция в существующие проекты

Векторные базы данных¶

• Qdrant Documentation
  Документация по векторной БД Qdrant:
• Руководство по установке и настройке
• API документация
• Примеры использования

• Оптимизация производительности

• Pinecone Documentation
  Облачная векторная БД Pinecone:

• Быстрый старт
• API и SDK
• Примеры интеграции
• Best practices

ИИ-агенты¶

Фреймворки и библиотеки¶

• LangChain Documentation
  Комплексный фреймворк для создания ИИ-приложений:
• Документация по агентам
• Примеры использования инструментов
• Интеграция с LLM

• Руководства по best practices

• LangGraph Documentation
  Библиотека для создания stateful агентов:

• Построение графов агентов
• Управление состоянием

• Примеры сложных сценариев

• Langflow Documentation
  Визуальный инструмент для создания и развертывания ИИ-приложений:

• Drag-and-drop интерфейс для построения агентов
• Поддержка всех основных LLM и векторных БД
• Библиотека готовых компонентов и инструментов
• Интеграция с LangChain и создание MCP-серверов

Fine-tuning и оптимизация¶

Руководства¶

• Hugging Face Fine-tuning Guide
  Подробное руководство по дообучению моделей:
• Методы fine-tuning
• LoRA и QLoRA
• Примеры кода

• Оптимизация процесса обучения

• PEFT Documentation
  Parameter-Efficient Fine-Tuning:

• LoRA, AdaLoRA, другие методы
• Примеры использования

• Оптимизация памяти

• Axolotl
  Открытый фреймворк для fine-tuning больших языковых моделей:

• Поддержка множества моделей (LLaMA, Mistral, Qwen и др.)
• Методы обучения: Full fine-tuning, LoRA, QLoRA, DPO, GRPO
• Мультимодальное обучение (видео, аудио, изображения)
• Оптимизации: Flash Attention, Sequence Parallelism, Multi-GPU
• Простая конфигурация через YAML
• Поддержка облачных платформ и Docker

Квантование¶

• GGML/GGUF Documentation
  Информация о форматах квантования GGML/GGUF:
• Описание форматов
• Инструменты для конвертации

• Примеры использования

• llama.cpp
  C++ реализация для запуска моделей Llama:

• Поддержка квантования
• Оптимизация производительности
• Примеры использования

Инструменты и автоматизация¶

RPA и автоматизация¶

• n8n Documentation
  Платформа для автоматизации рабочих процессов:
• Документация по созданию workflow
• Интеграция с ИИ
• Примеры использования
• API документация

MCP (Model Context Protocol)¶

• MCP Documentation
  Официальная документация по протоколу MCP:
• Описание протокола
• Примеры реализации

• Интеграция с различными системами

• MCP Servers
  Коллекция официальных и сообщественных MCP-серверов:

• Готовые интеграции с различными сервисами
• Примеры реализации серверов
• Документация по созданию собственных серверов
• Реестр доступных интеграций