大模型編程實踐與提示工程

定　價：￥129.00

作　者：	[意] 弗朗西斯科·埃斯波西托（Francesco Esposito）著，周靖譯
出版社：	清華大學出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

當當網(wǎng) (￥122.60)

ISBN：	9787302676195	出版時間：	2024-12-01	包裝：	平裝-膠訂
開本：	16開	頁數(shù)：		字數(shù)：

內(nèi)容簡介

　　《大模型編程實踐與提示工程》深入淺出地介紹了提示工程在大模型編程實踐中的重要性及其具體應用。作為人工智能專家，作者展示了如何借助大模型來優(yōu)化業(yè)務(wù)任務(wù)，構(gòu)建商業(yè)解決方案以及創(chuàng)建強大的推理引擎。此外，通過探討提示工程和對話式編程，本書還介紹了如何借助自然語言來掌握新的編碼技術(shù)?！洞竽Ｐ途幊虒嵺`與提示工程》面向軟件專家、架構(gòu)師、首席開發(fā)人員、程序員和機器學習愛好者，也適合任何對自然語言處理或人工智能感興趣的讀者閱讀和參考，可以幫助他們培養(yǎng)和提升新質(zhì)生產(chǎn)力。

作者簡介

　　著譯者簡介[意] 弗朗西斯科·埃斯波西托（Francesco Esposito）擁有深厚的數(shù)學背景，出版過兩本關(guān)于機器學習的著作。Crionet公司工程與數(shù)據(jù)主管，主要為體育和媒體行業(yè)提供創(chuàng)新解決方案。他先后創(chuàng)辦了Youbiquitous（聚焦于大語言模型、數(shù)據(jù)分析和軟件工廠）——和KBMS Data Force（專注于數(shù)字療法和智能醫(yī)療）。周靖微軟MVP（最有價值專家），技術(shù)型資深譯者，涉獵廣泛，具有深厚的技術(shù)功底和良好的文學素養(yǎng)。潛心鉆研程序設(shè)計并在這方面積累了豐富的實戰(zhàn)經(jīng)驗。翻譯風格嚴謹、準確、樸實、流暢，深受讀者好評。代表譯著有《Windows核心編程》系列版本、《深入CLR》系列版本、《Visual C#從入門到精通》系列版本、《機器學習與人工智能實戰(zhàn)》以及《學習Python》（第6版）等。

圖書目錄

第1章　大語言模型的起源 001
1.1 大模型綜述 001
1.1.1 大模型的發(fā)展歷史 002
1.1.2 工作原理 007
1.1.3 商業(yè)應用 017
1.2 對話式編程 018
1.2.1 自然語言的崛起 018
1.2.2 LLM拓撲結(jié)構(gòu) 020
1.2.3 未來展望 022
1.3 小結(jié) 028
第2章　核心提示詞學習技術(shù) 029
2.1 什么是提示工程 029
2.1.1 提示概述 029
2.1.2 改變輸出的其他方式 033
2.1.3 設(shè)置代碼執(zhí)行 036
2.2 基本技術(shù) 040
2.2.1 零樣本場景 040
2.2.2 少樣本場景 042
2.2.3 思維鏈場景 047
2.3 基本使用場景 050
2.3.1 聊天機器人 051
2.3.2 收集信息 051
2.3.3 翻譯 055
2.4 LLM的局限性 056
2.5 小結(jié) 057
第3章　高級提示詞工程 059
3.1 超越提示工程 059
3.1.1 合并不同的部分 060
3.1.2 微調(diào) 062
3.2 函數(shù)調(diào)用 065
3.2.1 自定義函數(shù)調(diào)用 065
3.2.2 OpenAI風格 070
3.3 與單獨的數(shù)據(jù)對話 074
3.3.1 將數(shù)據(jù)連接到LLM 074
3.3.2 嵌入 075
3.3.3 向量存儲 080
3.3.4 檢索增強生成 083
3.4 小結(jié) 088
第4章　巧用語言框架 089
4.1 對編排器的需求 089
4.1.1 跨框架概念 090
4.1.2 需要考慮的重點 096
4.2 LangChain 098
4.2.1 模型、提示模板和鏈 099
4.2.2 代理 107
4.2.3 數(shù)據(jù)連接 116
4.3 微軟的 Semantic Kernel 122
4.3.1 插件 124
4.3.2 數(shù)據(jù)與規(guī)劃器 129
4.4 微軟的 Guidance 135
4.4.1 配置 135
4.4.2 主要特性 138
4.5 小結(jié) 142
第5章　安全、隱私和準確性問題 143
5.1 概述 143
5.1.1 負責任AI 143
5.1.2 紅隊測試 144
5.1.3 濫用與內(nèi)容過濾 145
5.1.4 幻覺與性能 146
5.1.5 偏見和公平性 147
5.2 安全性和隱私保護 147
5.2.1 安全性 147
5.2.2 隱私保護 152
5.3 評估和內(nèi)容過濾 156
5.3.1 評估 157
5.3.2 內(nèi)容過濾 161
5.3.3 幻覺 169
5.4 小結(jié) 170
第6 章　構(gòu)建個人AI 助手 171
6.1 聊天機器人Web 應用概覽 171
6.1.1 愿景 172
6.1.2 技術(shù)棧 172
6.2 項目 173
6.2.1 設(shè)置LLM 173
6.2.2 設(shè)置項目 175
6.2.3 與LLM 集成 178
6.3 小結(jié) 193
第7 章　與自己的數(shù)據(jù)對話 195
7.1 概述 195
7.1.1 愿景 195
7.1.2 技術(shù)棧 196
7.2 Streamlit 框架 196
7.2.1 Streamlit 簡介 197
7.2.2 主要的UI 特性 197
7.2.3 生產(chǎn)時的優(yōu)缺點 199
7.3 項目 200
7.3.1 設(shè)置項目和基本UI 201
7.3.2 數(shù)據(jù)準備 204
7.3.3 與LLM 集成 209
7.4 進階內(nèi)容 213
7.4.1 RAG 與微調(diào) 213
7.4.2 可能的擴展 215
7.5 小結(jié) 216
第8 章　對話式UI 217
8.1 概述 217
8.1.1 愿景 218
8.1.2 技術(shù)棧 219
8.2 項目 220
8.2.1 Minimal API設(shè)置 220
8.2.2 OpenAPI 222
8.2.3 與LLM集成 224
8.2.4 可能的擴展 231
8.3 小結(jié) 232
附錄A　大語言模型的工作原理 233