書馨卡幫你省薪 2024個人購書報告 2024中圖網(wǎng)年度報告
歡迎光臨中圖網(wǎng) 請 | 注冊
> >>
LANGCHAIN與新時代生產(chǎn)力——AI應用開發(fā)之路

LANGCHAIN與新時代生產(chǎn)力——AI應用開發(fā)之路

出版社：清華大學出版社出版時間：2024-12-01
開本： 其他 頁數(shù)： 376
中 圖 價:¥71.2(8.0折) 定價  ¥89.0 登錄后可看到會員價
加入購物車 收藏
運費6元，滿39元免運費
?新疆、西藏除外
本類五星書更多>

LANGCHAIN與新時代生產(chǎn)力——AI應用開發(fā)之路 版權信息

LANGCHAIN與新時代生產(chǎn)力——AI應用開發(fā)之路 本書特色

本書從生成式AI的基礎知識到LangChain框架的高級應用，無論是新手還是經(jīng)驗豐富的開發(fā)者都能從中獲益。通過深入淺出的解釋、實際案例分析及詳細的步驟指導，本書旨在幫助讀者理解并掌握LangChain的強大能力，進而開發(fā)出更智能、更高效的應用。

LANGCHAIN與新時代生產(chǎn)力——AI應用開發(fā)之路 內容簡介

"本書全面深入地探討了AI生成大模型的領域，從AI的歷史探源、生成式模型在不同領域的應用（文本、圖片、聲樂、視頻及多模態(tài)模型），到大型語言模型（如GPT）的運作機制、預訓練、可擴展架構及其適應性。通過詳細介紹LangChain的概念、應用、安裝方法及如何利用LangChain進行軟件開發(fā)和數(shù)據(jù)科學，本書為讀者提供了一個關于AI生成大模型應用的全景視圖。 本書共11章，覆蓋了AI生成大模型的理論基礎、LangChain的初識與入門、進階使用、在軟件開發(fā)和數(shù)據(jù)科學中的應用及生成式AI的未來展望等多個方面。第1~3章介紹AI生成大模型的基礎知識，如AI歷史、生成式模型在不同領域的應用、大型語言模型如GPT的基礎和LangChain的初識與入門。第4~6章深入LangChain的進階使用，探討Agent構建、文檔查詢工具、聊天機器人開發(fā)，提供實戰(zhàn)案例和技術細節(jié)。第7~9章聚焦LangChain在軟件開發(fā)和數(shù)據(jù)科學的應用及定制LLM輸出的策略，介紹編程、自動化軟件開發(fā)、數(shù)據(jù)探索技術方法及LLM輸出優(yōu)化。第10章和第11章討論LLM在生產(chǎn)環(huán)境的應用、監(jiān)控、回調處理，以及生成式AI的未來展望，包括其潛力、社會影響和挑戰(zhàn)，旨在為讀者提供從入門到進階的全面知識，適合不同背景的讀者深入學習和應用。 本書特色在于其理論與實踐相結合的方法論，適合對AI生成大模型感興趣的學生、研究人員和軟件開發(fā)者。書中不僅詳細介紹了AI生成大模型的基礎知識和前沿技術，還提供了豐富的實踐指導和案例分析，幫助讀者掌握如何在實際項目中應用這些技術。此外，配套資源豐富，包括示例代碼、工具安裝指南和案例研究，極大地增強了本書的實用性和指導性。無論是AI領域的新手還是有經(jīng)驗的開發(fā)者都能從中獲得必要的知識和靈感。 "

LANGCHAIN與新時代生產(chǎn)力——AI應用開發(fā)之路 目錄

第1章什么是AI生成大模型11.1AI歷史探源11.1.1生成式模型21.1.2生成式模型在文本領域31.1.3生成式模型在圖片領域41.1.4生成式模型在聲樂領域51.1.5生成式模型在視頻領域61.1.6多模態(tài)模型61.2LLM簡介61.2.1潮流涌現(xiàn)81.2.2GPT的運作機制101.2.3模型的預訓練121.2.4可擴展架構121.2.5模型的適應性13第1章什么是AI生成大模型11.1AI歷史探源11.1.1生成式模型21.1.2生成式模型在文本領域31.1.3生成式模型在圖片領域41.1.4生成式模型在聲樂領域51.1.5生成式模型在視頻領域61.1.6多模態(tài)模型61.2LLM簡介61.2.1潮流涌現(xiàn)81.2.2GPT的運作機制101.2.3模型的預訓練121.2.4可擴展架構121.2.5模型的適應性131.2.6上手GPT131.3圖像模型131.3.1圖像模型工作原理141.3.2圖像模型的不同版本151.3.3圖形模型的調節(jié)性161.4總結16第2章初識LangChain172.1LLM的局限性172.2LLM應用介紹192.3LangChain介紹212.3.1LangChain的必要性232.3.2LangChain支持的應用232.4LangChain的工作機制242.4.1初識Agent242.4.2初識鏈272.4.3初識記憶282.4.4LangChain中的工具282.5總結29第3章LangChain入門303.1安裝LangChain方法303.1.1安裝Python303.1.2Jupyter Notebook和JupyterLab303.1.3環(huán)境管理323.2導入模型343.2.1虛擬LLM（Fake LLM）353.2.2OpenAI363.2.3HuggingFace373.2.4微軟云383.2.5谷歌云383.2.6Jina AI403.2.7Replicate423.2.8本地模型423.3模型輸出解析453.3.1列表解析器473.3.2日期解析器483.3.3自動修復解析器493.3.4Pydantic（JSON）解析器513.3.5重試解析器533.3.6結構化輸出解析器553.3.7XML解析器573.4LangChain表達式語言593.4.1LCEL接口簡介603.4.2綁定運行時參數(shù)753.4.3運行自定義函數(shù)773.4.4流式傳輸自定義生成器函數(shù)783.4.5并行化步驟803.4.6根據(jù)輸入的動態(tài)路由邏輯823.5鏈863.5.1鏈接口中的方法調用883.5.2自定義鏈的創(chuàng)建893.5.3幾種常見的鏈923.6實戰(zhàn)案例: 客戶服務助手應用程序開發(fā)1093.7總結113第4章LangChain進階: Agent1144.1構建自己的第1個Agent1154.2LangChain中的常見Agent類型1214.2.1Zeroshot ReAct1224.2.2Structured Input ReAct1244.2.3OpenAI Functions1284.2.4Conversational1304.2.5ReAct Document Store1334.3迭代器運行Agent1354.4讓Agent返回結構化輸出1384.5處理Agent解析錯誤1434.6將Agent構建為圖1444.6.1快速開始1444.6.2流式輸出147第5章使用LangChain工具進行文檔查詢1535.1幻覺現(xiàn)象1535.2文檔總結1565.3信息提取1595.4使用工具1615.5解剖LLM推理的底層策略1655.6總結168第6章聊天機器人1706.1聊天機器人簡介1706.1.1歷史溯源1716.1.2上下文和記憶1736.1.3意識性與主動性1746.2檢索和向量1746.2.1嵌入1766.2.2存儲嵌入的方式1796.2.3索引1796.2.4向量庫1806.2.5向量數(shù)據(jù)庫1816.2.6文檔加載器1846.2.7LangChain中的檢索器1846.3實戰(zhàn)案例: 實現(xiàn)一個聊天機器人1876.4LangChain中的記憶機制1916.4.1快速開始1926.4.2LangChain中基礎的記憶類型1946.4.3其他高級記憶類型2116.4.4記憶和LLM鏈2256.4.5記憶和Agent2286.4.6自定義會話記憶2336.4.7自定義記憶2376.4.8聊天機器人的記憶2406.5內容監(jiān)管2456.6總結246第7章LangChain和軟件開發(fā)2487.1步入新時代2487.1.1AI在軟件領域的*新進展2497.1.2代碼生成LLM2507.1.3未來展望2537.2使用LLM編程2547.3LLM自動化軟件開發(fā)2607.4總結265第8章LangChain和數(shù)據(jù)科學2668.1自動化數(shù)據(jù)科學簡介2668.1.1數(shù)據(jù)收集2688.1.2可視化和探索性數(shù)據(jù)分析2708.1.3數(shù)據(jù)預處理和特征提取2708.1.4自動化機器學習2718.1.5生成式AI對數(shù)據(jù)科學的變革2748.2使用Agent2768.3數(shù)據(jù)探索和LLM2798.4總結282第9章綻放LangChain的魅力: 定制LLM輸出2839.1調整與對齊2839.1.1對齊的方法2849.1.2變革者: InstructGPT2869.1.3LLM推理過程的調整方法2879.1.4效果評估2889.2實戰(zhàn)案例: LangChain微調LLM2889.3提示詞工程2959.3.1提示詞的結構2959.3.2提示模板2979.3.3高級提示詞工程2989.4總結301第10章生產(chǎn)環(huán)境LLM30310.1引言30310.2LLM應用評估30510.2.1比較兩個輸出30610.2.2基于標準的比較30710.2.3字符串和語義比較30810.2.4基準數(shù)據(jù)集30910.3部署LLM應用31210.3.1FastAPI31410.3.2Ray31610.4監(jiān)測LLM應用32010.4.1跟蹤和追蹤32110.4.2可觀測性工具32310.5LangChain回調32410.5.1異步回調32510.5.2自定義回調處理程序32710.5.3記錄到文件32810.5.4多個回調處理程序33010.5.5Token計算33310.6LangSmith33410.6.1LangSmith調試33410.6.2LangSmith樣本收集33510.6.3LangSmith測試評估33610.6.4LangSmith人工評估33610.6.5LangSmith監(jiān)控33610.6.6LangSmith實戰(zhàn)演示33710.7總結344第11章生成式AI的未來展望34611.1當前的生成式AI34611.2未來的能力34911.3AI的社會影響35111.3.1AI和創(chuàng)意行業(yè)35311.3.2AI和社會經(jīng)濟35411.3.3AI和教育35411.3.4AI和就業(yè)35511.3.5AI和其他行業(yè)35711.3.6AI和網(wǎng)絡安全35711.4應用難題探索35811.5寫在*后359參考文獻361
展開全部

LANGCHAIN與新時代生產(chǎn)力——AI應用開發(fā)之路 作者簡介

陸夢陽，目前任職于世界500強中排名第26位的思科公司，擔任客戶網(wǎng)絡系統(tǒng)數(shù)字化與自動化解決方案的主導工程師。期間，成功領導了多項針對全球500強企業(yè)的網(wǎng)絡架構自動化項目，涵蓋臺積電、香奈兒、SAP等知名企業(yè)，專注于思科DNA Center AI智能網(wǎng)絡日志分析的研究方向。在央企外派至肯尼亞期間，主導與當?shù)谹I數(shù)據(jù)標注公司Sama的合作，共同開發(fā)了口罩檢測及社交距離監(jiān)測系統(tǒng)，有效地管理了建筑施工項目中的疫情風險。Sama公司作為OpenAI公司的重要數(shù)據(jù)標注供應商，為ChatGPT模型提供了大量的數(shù)據(jù)標注服務。作為項目負責人，與Sama公司的合作項目提供了參與超級大語言模型數(shù)據(jù)訓練的寶貴經(jīng)驗和視角。此外，發(fā)表了《基于Transformer模型的安全事故分類研究》等學術論文，體現(xiàn)了在該領域的深入研究與貢獻。

商品評論(0條)
暫無評論……
書友推薦
本類暢銷
編輯推薦
返回頂部
中圖網(wǎng)
在線客服