LangChain编程+大模型应用开发极简入门 套装2册
举报
正版全新
-
作者:
(比) 奥利维耶·卡埃朗(Olivier Caelen)(法) 玛丽·艾丽斯·布莱特(Marie-Alice Blete) 李多多(@莫尔索)
-
出版社:
人民邮电出版社
-
ISBN:
9787115636409
-
出版时间:
2022-12
-
作者:
(比) 奥利维耶·卡埃朗(Olivier Caelen)(法) 玛丽·艾丽斯·布莱特(Marie-Alice Blete) 李多多(@莫尔索)
-
出版社:
人民邮电出版社
-
ISBN:
9787115636409
售价
￥
108.30
8.4折
定价
￥129.60
品相
全新
上书时间2026-10-17
卖家超过10天未登录
-
-
商品描述：
-
【书 名】 LangChain编程+大模型应用开发极简入门 套装2册
【书 号】 9787115636409
【出 版 社】 人民邮电出版社
【作 者】 (比) 奥利维耶·卡埃朗(Olivier Caelen)(法) 玛丽·艾丽斯·布莱特(Marie-Alice Blete) 李多多(@莫尔索)
【出版日期】 2024-04-01
【开 本】 128开
【定 价】 129.60元
【编辑推荐】
《大模型应用开发极简入门：基于GPT-4和ChatGPT》
你的实用LLM应用开发手册
1.【0门槛】人人都可以借力大模型，做出 AI 应用
2.【简单】学习大模型应用开发的“Z小可用知识”
3.【实操】学会写提示词、模型微调、使用 LangChain 等
4.【实战】提供常用场景代码示例，方便快速学习
5.【快速】2H 上手构建你的头个原生 AI 应用
6.【全面】了解 GPT-4 和 ChatGPT 的工作原理
专业翻译、专家推荐
1.【品控】一线从业者翻译，注释说明内容更新
2.【推荐】大模型一线创业者、应用技术专家推荐
《LangChain编程：从入门到实践》
1."莫尔索随笔"公号主理人**关于LLM应用开发实践图书，致力于大模型技术普及；
2.简洁而实用的方式引导读者入门大模型应用开发，涵盖LangChain的核心概念、原理和高级特性；
3.实际的例子出发，细致解读LangChain框架的核心模块和源码，使抽象的概念变得具体；
4.为大模型应用开发初学者量身打造的实用指南，深入浅出带领读者探索LangChain框架的强大功能，从基础概念到实际应用，逐步揭示构建高效AI应用的秘密。
【内容简介】
9787115636409 大模型应用开发极简入门：基于GPT-4和ChatGPT 59.80
9787115639424 LangChain编程：从入门到实践 69.80
《大模型应用开发极简入门：基于GPT-4和ChatGPT》
本书为大模型应用开发极简入门手册，为初学者提供了一份清晰、全面的“可用知识”，带领大家快速了解GPT-4和ChatGPT的工作原理及优势，并在此基础上使用流行的Python编程语言构建大模型应用。通过本书，你不仅可以学会如何构建文本生成、问答和内容摘要等初阶大模型应用，还能了解到提示工程、模型微调、插件、LangChain等高阶实践技术。书中提供了简单易学的示例，帮你理解并应用在自己的项目中。此外，书后还提供了一份术语表，方便你随时参考。
准备好了吗？只需了解Python，你即可将本书作为进入大模型时代的启动手册，开发出自己的大模型应用。
《LangChain编程：从入门到实践》
LangChain为开发者提供了一套强大而灵活的工具，使其能够轻松构建和优化大模型应用。本书以简洁而实用的方式引导读者入门大模型应用开发，涵盖LangChain的核心概念、原理和高级特性，并为读者提供了在实际项目中应用LangChain的指导。
本书从实际的例子出发，细致解读LangChain框架的核心模块和源码，使抽象的概念变得具体。无论你是初学者还是有经验的开发者，都能从中受益，能够将LangChain的独特之处融入自己的编程实践中。阅读本书，一起探索LangChain编程的奇妙世界吧！
【目录】
《大模型应用开发极简入门：基于GPT-4和ChatGPT》
推荐序一 学习成为善用 AI 的人 | 宝玉
推荐序二 开启一段有趣、有启发、 有收获的冒险旅程 | 张路宇
推荐序三 人人都要学会和 AI 相处 | 孙志岗
推荐序四 AI 工程师：做新一轮智能革命的首批探索者 | 邓范鑫
推荐序五 进入智能应用的新时代 | 梁宇鹏（@一乐）
推荐序六 AGI：不要旁观，要真正参与 | 罗云
推荐序七 不要害怕被 ChatGPT 取代，要做第 一批驾驭新技术的人 | 宜博
译者序 没有谁天生就是 AI 工程师 | 何文斯
前言
第 1章 初识GPT-4 和 ChatGPT 1
1.1 LLM 概述 2
1.1.1 探索语言模型和 NLP 的基础 2
1.1.2 理解 Transformer 架构及其在 LLM 中的作用 4
1.1.3 解密 GPT 模型的标记化和预测步骤 7
1.2 GPT模型简史：从 GPT-1 到 GPT-4 9
1.2.1 GPT-1 9
1.2.2 GPT-2 10
1.2.3 GPT-3 11
1.2.4 从 GPT-3 到 InstructGPT 12
1.2.5 GPT-3.5、Codex 和 ChatGPT 14
1.2.6 GPT-4 15
1.3 LLM 用例和示例产品 16
1.3.1 Be My Eyes 16
1.3.2 摩根士丹利 17
1.3.3 可汗学院 17
1.3.4 多邻国 18
1.3.5 Yabble 18
1.3.6 Waymark 19
1.3.7 Inworld AI 19
1.4 警惕 AI 幻觉：限制与考虑 20
1.5 使用插件和微调优化 GPT 模型 23
1.6 小结 24
第 2章 深入了解 GPT-4 和 ChatGPT 的 API 25
2.1 基本概念 26
2.2 OpenAI API 提供的可用模型 27
2.3 在 OpenAI Playground 中使用 GPT 模型 29
2.4 开始使用 OpenAI Python 库 34
2.4.1 OpenAI 访问权限和 API 密钥 35
2.4.2 Hello World 示例程序 36
2.5 使用 GPT-4 和 ChatGPT 38
2.5.1 ChatCompletion 端点的输入选项 39
2.5.2 ChatCompletion 端点的输出格式 42
2.5.3 从文本补全到函数 43
2.6 使用其他文本补全模型 46
2.6.1 Completion 端点的输入选项 47
2.6.2 Completion 端点的输出格式 48
2.7 考虑因素 48
2.7.1 定价和标记限制 48
2.7.2 安全和隐私 50
2.8 其他 OpenAI API 和功能 50
2.8.1 嵌入 50
2.8.2 内容审核模型 53
2.8.3 Whisper 和 DALL · E 55
2.9 小结（含速查清单） 56
第3章 使用 GPT-4 和 ChatGPT 构建应用程序 59
3.1 应用程序开发概述 59
3.1.1 管理 API 密钥 60
3.1.2 数据安全和数据隐私 62
3.2 软件架构设计原则 62
3.3 LLM 驱动型应用程序的漏洞 63
3.3.1 分析输入和输出 64
3.3.2 无法避免提示词注入 65
3.4 示例项目 65
3.4.1 项目 1：构建新闻稿生成器 65
3.4.2 项目 2：YouTube 视频摘要 68
3.4.3 项目 3：打造《塞尔达传说：旷野之息》专家 71
3.4.4 项目 4：语音控制 77
3.5 小结 83
第4章 GPT-4 和 ChatGPT 的高级技巧 85
4.1 提示工程 85
4.1.1 设计有效的提示词 86
4.1.2 逐步思考 92
4.1.3 实现少样本学习 94
4.1.4 改善提示效果 96
4.2 微调 98
4.2.1 开始微调 99
4.2.2 使用 OpenAI API 进行微调 101
4.2.3 微调的应用 . 105
4.2.4 生成和微调电子邮件营销活动的合成数据 107
4.2.5 微调的成本 113
4.3 小结 114
第5章 使用 LangChain 框架和插件增强 LLM 的功能 117
5.1 LangChain 框架 117
5.1.1 动态提示词 119
5.1.2 智能体及工具 120
5.1.3 记忆 124
5.1.4 嵌入 125
5.2 GPT-4 插件 129
5.2.1 概述 130
5.2.2 API 131
5.2.3 插件清单 132
5.2.4 OpenAPI 规范 133
5.2.5 描述 135
5.3 小结 135
5.4 总结 136
术语表 137
《LangChain编程：从入门到实践》
前言
第 1章 LangChain简介 1
1.1 LangChain的产生背景 1
1.1.1 大模型技术浪潮 1
1.1.2 大模型时代的开发范式 5
1.1.3 LangChain框架的爆火 6
1.2 LangChain核心概念和模块 8
1.2.1 模型I/O模块 9
1.2.2 检索模块 9
1.2.3 链模块 10
1.2.4 记忆模块 10
1.2.5 代理模块 11
1.2.6 回调模块 13
1.3 LangChain与其他框架的比较 13
1.3.1 框架介绍 14
1.3.2 框架比较 16
1.3.3 小结 17
第 2章 LangChain初体验 18
2.1 开发环境准备 18
2.1.1 管理工具安装 18
2.1.2 源码安装 19
2.1.3 其他库安装 19
2.2 快速开始 19
2.2.1 语言模型 20
2.2.2 提示模板 21
2.2.3 输出解析器 22
2.2.4 使用LCEL进行组合 23
2.2.5 使用LangSmith进行观测 26
2.2.6 使用LangServe提供服务 26
2.3 *佳安全实践 29
第3章 模型输入与输出 30
3.1 大模型原理解释 30
3.1.1 为什么模型输出不可控 30
3.1.2 输入对输出的影响 31
3.2 提示模板组件 34
3.2.1 基础提示模板 34
3.2.2 自定义提示模板 36
3.2.3 使用FewShotPromptTemplate 37
3.2.4 示例选择器 39
3.3 大模型接口 42
3.3.1 聊天模型 43
3.3.2 聊天模型提示词的构建 43
3.3.3 定制大模型接口 46
3.3.4 扩展模型接口 51
3.4 输出解析器 51
第4章 链的构建 56
4.1 链的基本概念 56
4.2 Runnable对象接口探究 56
4.2.1 schema 60
4.2.2 invoke 61
4.2.3 stream 62
4.2.4 batch 63
4.2.5 astream_log 65
4.3 LCEL高级特性 66
4.3.1 ConfigurableField 66
4.3.2 RunnableLambda 67
4.3.3 RunnableBranch 67
4.3.4 RunnablePassthrough 68
4.3.5 RunnableParallel 68
4.3.6 容错机制 69
4.4 Chain接口 70
4.4.1 Chain接口调用 70
4.4.2 自定义Chain实现 71
4.4.3 工具Chain 73
4.5 专用Chain 74
4.5.1 对话场景 74
4.5.2 基于文档问答场景 75
4.5.3 数据库问答场景 75
4.5.4 API 查询场景 76
4.5.5 文本总结场景 76
第5章 RAG 77
5.1 RAG技术概述 77
5.2 LangChain中的RAG组件 80
5.2.1 加载器 80
5.2.2 分割器 81
5.2.3 文本嵌入 86
5.2.4 向量存储 91
5.2.5 检索器 95
5.2.6 多文档联合检索 103
5.2.7 RAG技术的关键挑战 106
5.3 检索增强生成实践 106
5.3.1 文档预处理过程 106
5.3.2 文档检索过程 111
5.3.3 方案优势 116
第6章 智能代理设计 117
6.1 智能代理的概念 117
6.2 LangChain中的代理 117
6.2.1 LLM 驱动的智能代理 118
6.2.2 LangChain中的代理 121
6.2.3 代理的类型 125
6.2.4 自定义代理工具 133
6.3 设计并实现一个多模态代理 136
第7章 记忆组件 139
7.1 构建记忆系统 140
7.2 记忆组件类型 141
7.2.1 ConversationBufferMemory 141
7.2.2 ConversationBufferWindowMemory 142
7.2.3 ConversationEntityMemory 142
7.2.4 ConversationKGMemory 143
7.2.5 VectorStoreRetrieverMemory 144
7.2.6 ConversationSummaryMemory 145
7.2.7 ConversationSummaryBufferMemory 145
7.2.8 VectorStoreRetrieverMemory 146
7.3 记忆组件的应用 147
7.3.1 将记忆组件接入代理 148
7.3.2 自定义记忆组件 149
7.3.3 不同记忆组件结合 151
7.4 记忆组件实战 152
7.4.1 方案说明 153
7.4.2 代码实践 153
第8章 回调机制 159
8.1 回调处理器 159
8.2 使用回调的两种方式 161
8.2.1 构造器回调 161
8.2.2 请求回调 161
8.3 实现可观测性插件 162
第9章 构建多模态机器人 165
9.1 需求思考与设计 165
9.1.1 需求分析 165
9.1.2 应用设计 165
9.1.3 Slack应用配置 167
9.2 利用LangChain开发应用 170
9.2.1 构建Slack事件接口 171
9.2.2 消息处理框架 172
9.2.3 实现多模态代理 174
9.3 应用监控和调优 177
9.3.1 应用监控 177
9.3.2 模型效果评估 178
9.3.3 模型备选服务 178
9.3.4 模型内容安全 179
9.3.5 应用部署 179
第 10章 社区和资源 180
10.1 LangChain社区介绍 180
10.1.1 官方博客 180
10.1.2 项目代码与文档 180
10.1.3 社区贡献 181
10.1.4 参与社区活动 182
10.2 资源和工具推荐 182
10.2.1 模板 183
10.2.2 LangServe 184
10.2.3 LangSmith 186
10.2.4 教程用例 189
10.3 LangChain的未来展望 189
10.3.1 生态系统概览 191
10.3.2 变化与重构 191
10.3.3 发展计划 191
【前言】
大模型应用开发极简入门：基于GPT-4和ChatGPTLangChain编程：从入门到实践
![]()
孔网啦啦啦啦啦纺织女工火锅店第三课
开播时间：09月02日 10:30
即将开播，去预约
直播中，去观看
占位居中
