LLM 提示工程技術｜打造兼具藝術與科學的高效應用 (Prompt Engineering for LLMs: The Art and Science of Building Large Language Model-Based Applications)

John Berryman , Albert Ziegler 著 CAVEDU教育團隊 曾吉弘 譯

LLM 提示工程技術｜打造兼具藝術與科學的高效應用 (Prompt Engineering for LLMs: The Art and Science of Building Large Language Model-Based Applications) 預覽內頁
  • LLM 提示工程技術｜打造兼具藝術與科學的高效應用 (Prompt Engineering for LLMs: The Art and Science of Building Large Language Model-Based Applications)-preview-1
  • LLM 提示工程技術｜打造兼具藝術與科學的高效應用 (Prompt Engineering for LLMs: The Art and Science of Building Large Language Model-Based Applications)-preview-2
  • LLM 提示工程技術｜打造兼具藝術與科學的高效應用 (Prompt Engineering for LLMs: The Art and Science of Building Large Language Model-Based Applications)-preview-3
  • LLM 提示工程技術｜打造兼具藝術與科學的高效應用 (Prompt Engineering for LLMs: The Art and Science of Building Large Language Model-Based Applications)-preview-4
  • LLM 提示工程技術｜打造兼具藝術與科學的高效應用 (Prompt Engineering for LLMs: The Art and Science of Building Large Language Model-Based Applications)-preview-5
  • LLM 提示工程技術｜打造兼具藝術與科學的高效應用 (Prompt Engineering for LLMs: The Art and Science of Building Large Language Model-Based Applications)-preview-6
  • LLM 提示工程技術｜打造兼具藝術與科學的高效應用 (Prompt Engineering for LLMs: The Art and Science of Building Large Language Model-Based Applications)-preview-7
  • LLM 提示工程技術｜打造兼具藝術與科學的高效應用 (Prompt Engineering for LLMs: The Art and Science of Building Large Language Model-Based Applications)-preview-8
LLM 提示工程技術｜打造兼具藝術與科學的高效應用 (Prompt Engineering for LLMs: The Art and Science of Building Large Language Model-Based Applications)-preview-1

買這商品的人也買了...

商品描述

Albert 和 John 是史上最成功的生成式 AI 產品之一 GitHub Copilot 的幕後推手，也因此成為值得學習的典範。本書讓每個人都能輕鬆邁入提示工程這個領域。
—— Hamel Husain，獨立 AI 研究員與顧問

大型語言模型（LLM）正在徹底改變世界，期許能自動化各種任務並解決複雜問題。新一代的軟體應用紛紛把這些模型作為基礎元件來釋放幾乎所有領域中的驚人潛力，但同時也需要全新的技能才能穩定運用這些能力。本書將帶領你學習提示工程的藝術與科學 — 這正是釋放 LLM 真正潛能的關鍵。

產業專家 John Berryman 和 Albert Ziegler 將分享如何與 AI 有效溝通，將你的想法轉化為適合語言模型理解的格式。學會理論基礎與實用技巧之後，你將具備充分的知識與信心來打造新一代的 LLM 應用程式。

本書精彩內容：
• 理解 LLM 的架構，並學會與其互動的最佳方式
• 針對你的應用程式設計完整的提示撰寫策略
• 收集、篩選並呈現高效提示所需的上下文資訊
• 精通特定提示技巧，例如少樣本學習、思維鏈提示設計與 RAG（檢索增強生成）

作者簡介

John Berryman 是 Arcturus Labs 的創辦人，該公司專注開發各種大型語言模型應用。他曾是 GitHub Copilot 的早期階段工程師，負責聊天功能與程式碼補全。此外，John 也是搜尋技術專家，著有《Relevant Search》（Manning 出版）。

Albert Ziegler 是 AI 資安公司 XBOW 的 AI 負責人，也是 GitHub Copilot 的創始工程師之一。作為第一款成功推出的大型語言模型企業級產品，他主要負責模型互動與提示工程系統的開發與實作。

目錄大綱

【第一篇　基礎】
第一章　淺談提示工程
　LLM 好神奇
　語言模型：如何發展到今天這一步？
　提示工程
　總結

第二章　認識 LLM
　什麼是大型語言模型？
　LLM 如何看待這個世界？
　一次只有一個標記
　溫度與機率
　Transformer 架構
　總結

第三章　轉向聊天模式
　人類回饋強化學習
　從指令轉向聊天
　不斷變化的 API
　提示工程，就像在寫劇本
　總結

第四章　設計 LLM 應用
　解析 LLM 應用迴圈
　深入解析前饋傳遞
　評估 LLM 應用的品質
　總結

【第二篇　核心技術】
第五章　提示內容
　內容來源
　靜態內容
　動態內容
　總結

第六章　組裝提示
　理想提示的剖析
　文件類型有哪些？
　格式化文字片段
　彈性文字片段
　提示元素之間的關係
　整合起來
　總結

第七章　駕馭模型
解析理想的補全
文字之外：對數機率
選擇模型
總結

【第三篇　手藝大師】
第八章　對話代理
　工具使用
　推理
　以任務為基礎的互動之上下文
　建立對話代理
　總結

第九章　LLM 工作流程
　對話代理夠用嗎？
　LLM 基本工作流程
　LLM 進階工作流程
　總結

第十章　評估 LLM 應用程式
　到底在測試什麼？
　離線評估
　線上評估
　總結

第十一章　展望未來
　多模態
　總結

索引

類似商品