新書推薦：
《
奥林匹斯传说
》
售價：HK$
151.0
《
舒国治：遥远的公路
》
售價：HK$
80.2
《
西方时尚文化史
》
售價：HK$
198.2
《
出土文献与巫术研究
》
售價：HK$
61.4
《
德川家康
》
售價：HK$
69.6
《
经纬度丛书·文字的故事：从结绳记事到未来文字
》
售價：HK$
106.2
《
安静做最慢的事就好
》
售價：HK$
57.8
《
智能量化：ChatGPT在金融策略与算法交易中的实践
》
售價：HK$
69.6
|
| 內容簡介： |
|
这本书专门为那些对自然语言处理技术感兴趣的读者提供了系统的LLM应用开发指南。全书分为11章，从LLM基础知识开始，通过LangChain这个开源框架为读者解读整个LLM应用开发流程。第1~2章概述LLM技术的发展背景和LangChain框架的设计理念。从第3章开始，分章深入介绍LangChain的6大模块，包括模型I/O、数据增强、链、记忆等，通过大量代码示例让读者了解其原理和用法。第9章通过构建PDF问答程序，帮助读者将之前学习的知识应用于实践。第10章则介绍集成，可拓宽LangChain的用途。第11章为初学者简要解析LLM的基础理论，如Transformer模型等。本书以LangChain这个让人熟悉的框架为主线，引导读者一步一步掌握LLM应用开发流程，适合对大语言模型感兴趣的开发者、AI应用程序开发者阅读。
|
| 關於作者： |
|
李特丽，LangChain中文网联合创始人，优秀的软件工程师。曾翻译LangChain、OpenAi、Milvus等AI开发三件套的中文文档，帮助中国开发者快速上手AI开发。 康轶文，LangChain中文网创始人，2005年从个人站长做起，成为第一代SEO“大神”2012年转型移动互联网营销，成为中国Apple Ads代理商，获得苹果千万美元授信；2022年转型月付制AI数字员工全托管服务，是一位经验丰富的数字员工和人工智能应用专家。
|
| 目錄：
|
|
目 录第1 章 LangChain：开启大语言模型时代的钥匙1.1 大语言模型概述1.1.1 什么是大语言模型1.1.2 大语言模型的发展1.1.3 大语言模型的应用场景1.1.4 大语言模型的基础知识1.2 LangChain 与大语言模型第2 章 LangChain 入门指南2.1 初识LangChain2.1.1 为什么需要LangChain2.1.2 LLM 应用开发的最后1 公里2.1.3 LangChain 的2 个关键词2.1.4 LangChain 的3 个场景2.1.5 LangChain 的6 大模块2.2 LangChain 的开发流程2.2.1 开发密钥指南2.2.2 编写一个取名程序2.2.3 创建你的第一个聊天机器人2.4 LangChain 表达式第3 章 模型I/O3.1 什么是模型I/O3.2 模型I/O 功能之模型包装器3.2.1 模型包装器分类3.2.2 LLM 模型包装器3.2.3 聊天模型包装器3.3 模型I/O 功能之提示词模板3.3.1 什么是提示词模板3.3.2 提示词模板的输入和输出3.3.3 使用提示词模板构造提示词3.3.4 少样本提示词模板3.3.5 多功能提示词模板3.4 模型I/O 功能之输出解析器3.4.1 输出解析器的功能3.4.2 输出解析器的使用3.4.3 Pydantic JSON 输出解析器3.4.4 结构化输出解析器第4 章 数据增强模块4.1 数据增强模块的相关概念4.1.1 LEDVR 工作流4.1.2 数据类型4.2 加载器4.3 嵌入模型包装器4.3.1 嵌入模型包装器的使用4.3.2 嵌入模型包装器的类型4.4 文档转换器4.5 向量存储库4.5.1 向量存储库的使用4.5.2 向量存储库的搜索方法4.6 检索器4.6.1 检索器的使用4.6.2 检索器的类型第5 章 链5.1 为什么叫链5.1.1 链的定义5.1.2 链的使用5.1.3 基础链类型5.1.4 工具链类型5.2 细说基础链5.2.1 LLM 链5.2.2 路由器链5.2.3 顺序链5.3 四大合并文档链5.3.1 Stuff 链5.3.2 Refine 链5.3.3 MapReduce 链5.3.4 重排链5.4 揭秘链的复杂性5.4.1 复杂链的“套娃”式设计5.4.2 LEDVR 工作流的终点：“上链”第6 章 记忆模块6.1 记忆模块概述6.1.1 记忆组件的定义6.1.2 记忆组件、链组件和Agent 组件的关系6.1.3 设置第一个记忆组件6.1.4 内置记忆组件6.1.5 自定义记忆组件6.2 记忆增强检索能力的实践6.2.1 获取外部数据6.2.2 加入记忆组件6.3 记忆增强Agent 能力的实践6.4 内置记忆组件的对比6.4.1 总结记忆组件6.4.2 会话记忆组件和会话窗口记忆组件的对比6.4.3 知识图谱记忆组件和实体记忆组件的比较第7 章 Agent 模块7.1 Agent 模块概述7.1.1 Agent 组件的定义7.1.2 Agent 组件的运行机制7.1.3 Agent 组件入门示例7.1.4 Agent 组件的类型7.2 Agent 组件的应用7.2.1 Agent 组件的多功能性7.2.2 自定义Agent 组件7.2.3 ReAct Agent 的实践7.3 工具组件和工具包组件7.3.1 工具组件的类型7.3.2 工具包组件的类型7.4 Agent 组件的功能增强7.4.1 Agent 组件的记忆功能增强7.4.2 Agent 组件的检索能力增强第8 章 回调处理器8.1 什么是回调处理器8.1.1 回调处理器的工作流程8.1.2 回调处理器的使用8.1.3 自定义链组件中的回调8.2 内置回调处理器8.3 自定义回调处理器第9 章 使用LangChain 构建应用程序9.1 PDF 问答程序9.1.1 程序流程9.1.2 处理PDF 文档9.1.3 创建问答链9.2 对话式表单9.2.1 OpenAI 函数的标记链9.2.2 标记链的使用9.2.3 创建提示词模板9.2.4 数据更新和检查9.3 使用LangChain 实现BabyAGI9.3.1 BabyAGI 介绍9.3.2 环境与工具9.3.3 向量存储9.3.4 构建任务链9.3.5 创建BabyAGI9.3.6 运行BabyAGI第10 章 集成10.1 集成的背景与LLM 集成10.2 LLM 集成指南10.2.1 Azure OpenAI 集成10.2.2 Hugging Face Hub 集成10.3 聊天模型集成指南10.3.1 Anthropic 聊天模型集成10.3.2 PaLM 2 聊天模型集成10.3.3 OpenAI 聊天模型集成10.4 向量库集成指南10.4.1 Chroma 集成10.4.2 Pinecone 集成10.4.3 Milvus 集成10.5 嵌入模型集成指南10.5.1 HuggingFaceEmbeddings 嵌入集成10.5.2 LlamaCppEmbeddings 嵌入集成10.5.3 Cohere 嵌入集成10.6 Agent toolkits 集成指南10.6.1 CSV Agent 的集成10.6.2 Pandas Dataframe Agent 的集成10.6.3 PowerBI Dataset Agent 的集成10.7 Retrievers 集成指南10.7.1 WikipediaRetriever 集成10.7.2 ArxivRetriever 集成10.7.3 Azure Cognitive Search 集成第11 章 LLM 应用开发必学知识11.1 LLM 的核心知识11.1.1 文本嵌入11.1.2 点积相似性和余弦相似性11.1.3 注意力机制11.2 Transformer 模型11.3 语义搜索11.3.1 语义搜索的工作原理11.3.2 RAG 的工作原理11.4 NLP 与机器学习基础11.4.1 LLM 应用开发中的传统机器学习方法11.4.2 NLP 文本预处理11.4.3 构建分类器附录A LangChain 框架中的主要类附录B OpenAI 平台和模型介绍附录C Claude 2 模型介绍附录D Cohere 模型介绍附录E PaLM 2 模型介绍附录F Pinecone 向量数据库介绍附录G Milvus 向量数据库介绍
|
|
購物車/收銀台(
0
) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
