大模型编程实践与提示工程

定　价：¥129.00

作　者：	[意] 弗朗西斯科·埃斯波西托（Francesco Esposito）著，周靖译
出版社：	清华大学出版社
丛编项：
标　签：	暂缺

购买这本书可以去

当当网 (¥122.60)

ISBN：	9787302676195	出版时间：	2024-12-01	包装：	平装-胶订
开本：	16开	页数：		字数：

内容简介

　　《大模型编程实践与提示工程》深入浅出地介绍了提示工程在大模型编程实践中的重要性及其具体应用。作为人工智能专家，作者展示了如何借助大模型来优化业务任务，构建商业解决方案以及创建强大的推理引擎。此外，通过探讨提示工程和对话式编程，本书还介绍了如何借助自然语言来掌握新的编码技术。《大模型编程实践与提示工程》面向软件专家、架构师、首席开发人员、程序员和机器学习爱好者，也适合任何对自然语言处理或人工智能感兴趣的读者阅读和参考，可以帮助他们培养和提升新质生产力。

作者简介

　　著译者简介[意] 弗朗西斯科·埃斯波西托（Francesco Esposito）拥有深厚的数学背景，出版过两本关于机器学习的著作。Crionet公司工程与数据主管，主要为体育和媒体行业提供创新解决方案。他先后创办了Youbiquitous（聚焦于大语言模型、数据分析和软件工厂）——和KBMS Data Force（专注于数字疗法和智能医疗）。周靖微软MVP（最有价值专家），技术型资深译者，涉猎广泛，具有深厚的技术功底和良好的文学素养。潜心钻研程序设计并在这方面积累了丰富的实战经验。翻译风格严谨、准确、朴实、流畅，深受读者好评。代表译著有《Windows核心编程》系列版本、《深入CLR》系列版本、《Visual C#从入门到精通》系列版本、《机器学习与人工智能实战》以及《学习Python》（第6版）等。

图书目录

第1章　大语言模型的起源 001
1.1 大模型综述 001
1.1.1 大模型的发展历史 002
1.1.2 工作原理 007
1.1.3 商业应用 017
1.2 对话式编程 018
1.2.1 自然语言的崛起 018
1.2.2 LLM拓扑结构 020
1.2.3 未来展望 022
1.3 小结 028
第2章　核心提示词学习技术 029
2.1 什么是提示工程 029
2.1.1 提示概述 029
2.1.2 改变输出的其他方式 033
2.1.3 设置代码执行 036
2.2 基本技术 040
2.2.1 零样本场景 040
2.2.2 少样本场景 042
2.2.3 思维链场景 047
2.3 基本使用场景 050
2.3.1 聊天机器人 051
2.3.2 收集信息 051
2.3.3 翻译 055
2.4 LLM的局限性 056
2.5 小结 057
第3章　高级提示词工程 059
3.1 超越提示工程 059
3.1.1 合并不同的部分 060
3.1.2 微调 062
3.2 函数调用 065
3.2.1 自定义函数调用 065
3.2.2 OpenAI风格 070
3.3 与单独的数据对话 074
3.3.1 将数据连接到LLM 074
3.3.2 嵌入 075
3.3.3 向量存储 080
3.3.4 检索增强生成 083
3.4 小结 088
第4章　巧用语言框架 089
4.1 对编排器的需求 089
4.1.1 跨框架概念 090
4.1.2 需要考虑的重点 096
4.2 LangChain 098
4.2.1 模型、提示模板和链 099
4.2.2 代理 107
4.2.3 数据连接 116
4.3 微软的 Semantic Kernel 122
4.3.1 插件 124
4.3.2 数据与规划器 129
4.4 微软的 Guidance 135
4.4.1 配置 135
4.4.2 主要特性 138
4.5 小结 142
第5章　安全、隐私和准确性问题 143
5.1 概述 143
5.1.1 负责任AI 143
5.1.2 红队测试 144
5.1.3 滥用与内容过滤 145
5.1.4 幻觉与性能 146
5.1.5 偏见和公平性 147
5.2 安全性和隐私保护 147
5.2.1 安全性 147
5.2.2 隐私保护 152
5.3 评估和内容过滤 156
5.3.1 评估 157
5.3.2 内容过滤 161
5.3.3 幻觉 169
5.4 小结 170
第6 章　构建个人AI 助手 171
6.1 聊天机器人Web 应用概览 171
6.1.1 愿景 172
6.1.2 技术栈 172
6.2 项目 173
6.2.1 设置LLM 173
6.2.2 设置项目 175
6.2.3 与LLM 集成 178
6.3 小结 193
第7 章　与自己的数据对话 195
7.1 概述 195
7.1.1 愿景 195
7.1.2 技术栈 196
7.2 Streamlit 框架 196
7.2.1 Streamlit 简介 197
7.2.2 主要的UI 特性 197
7.2.3 生产时的优缺点 199
7.3 项目 200
7.3.1 设置项目和基本UI 201
7.3.2 数据准备 204
7.3.3 与LLM 集成 209
7.4 进阶内容 213
7.4.1 RAG 与微调 213
7.4.2 可能的扩展 215
7.5 小结 216
第8 章　对话式UI 217
8.1 概述 217
8.1.1 愿景 218
8.1.2 技术栈 219
8.2 项目 220
8.2.1 Minimal API设置 220
8.2.2 OpenAPI 222
8.2.3 与LLM集成 224
8.2.4 可能的扩展 231
8.3 小结 232
附录A　大语言模型的工作原理 233