生成式 AI 設計模式｜處理生成式AI代理及應用程式的常見挑戰 (Generative AI Design Patterns: Solutions to Common Challenges When Building Genai Agents and Applications)

Valliappa Lakshmanan, Hannes Hapke

生成式 AI 設計模式｜處理生成式AI代理及應用程式的常見挑戰 (Generative AI Design Patterns: Solutions to Common Challenges When Building Genai Agents and Applications) 預覽內頁
  • 生成式 AI 設計模式｜處理生成式AI代理及應用程式的常見挑戰 (Generative AI Design Patterns: Solutions to Common Challenges When Building Genai Agents and Applications)-preview-1
  • 生成式 AI 設計模式｜處理生成式AI代理及應用程式的常見挑戰 (Generative AI Design Patterns: Solutions to Common Challenges When Building Genai Agents and Applications)-preview-2
  • 生成式 AI 設計模式｜處理生成式AI代理及應用程式的常見挑戰 (Generative AI Design Patterns: Solutions to Common Challenges When Building Genai Agents and Applications)-preview-3
  • 生成式 AI 設計模式｜處理生成式AI代理及應用程式的常見挑戰 (Generative AI Design Patterns: Solutions to Common Challenges When Building Genai Agents and Applications)-preview-4
  • 生成式 AI 設計模式｜處理生成式AI代理及應用程式的常見挑戰 (Generative AI Design Patterns: Solutions to Common Challenges When Building Genai Agents and Applications)-preview-5
  • 生成式 AI 設計模式｜處理生成式AI代理及應用程式的常見挑戰 (Generative AI Design Patterns: Solutions to Common Challenges When Building Genai Agents and Applications)-preview-6
  • 生成式 AI 設計模式｜處理生成式AI代理及應用程式的常見挑戰 (Generative AI Design Patterns: Solutions to Common Challenges When Building Genai Agents and Applications)-preview-7
  • 生成式 AI 設計模式｜處理生成式AI代理及應用程式的常見挑戰 (Generative AI Design Patterns: Solutions to Common Challenges When Building Genai Agents and Applications)-preview-8
  • 生成式 AI 設計模式｜處理生成式AI代理及應用程式的常見挑戰 (Generative AI Design Patterns: Solutions to Common Challenges When Building Genai Agents and Applications)-preview-9
生成式 AI 設計模式｜處理生成式AI代理及應用程式的常見挑戰 (Generative AI Design Patterns: Solutions to Common Challenges When Building Genai Agents and Applications)-preview-1

商品描述

生成式AI已開始真正進入產品、服務與企業流程，但當團隊實際開發GenAI應用程式與AI Agent時，往往很快就遇到各種工程問題：

模型產生幻覺、回應結果不穩定該如何處理？
怎麼讓生成內容符合品牌風格與指定格式？
如何讓Agent具備規劃、自我修正與協作能力？
多個Agent又該如何組合成可落地的應用系統？

本書整理了32種生成式AI設計模式（Generative AI Design Patterns），將研究論文與第一線實務經驗轉化為可直接套用的工程解法。
無論是拿來作為參考手冊、架構設計指南，或是培養整體GenAI設計思維，這本書都是對工程師、資料科學家、軟體架構師或產品經理極具價值的工具書。

【專業推薦】
「這是一本引領GenAI從原型邁向正式部署的實戰手冊。書中收錄的設計模式匯集了現實的工程經驗，可讓開發者充滿信心地應對幻覺、可靠性與規模化的種種挑戰。」
——Marily Nika博士，《Building AI-Powered Products》作者

「Hannes與Lak將寶貴的實戰智慧寫成這本全方位指南，幫助你將理論轉化為實際做法。」
——Chip Huyen，《設計機器學習系統》與《AI工程》作者


生成式AI帶來強大的新能力，然而，在正式交付可靠的應用程式或代理之前，你仍然會面臨有一些棘手的限制。幸運的是，來自業界專家的二位作者已經整理了32種經得起考驗的設計模式。在開發LLM專案時難以避免的難題都可以在本書中找到對策，包括幻覺、不確定的回應，以及模型知識斷層。

本書將論文研究跟實務經驗整理成可以直接套用的建議。在每一種模式中，作者會先說明問題在哪，再附上完整的範例程式來示範解法，最後還會分析解決方案背後的取捨。

• 因應LLM的侷限性
• 確保生成的內容符合特定風格、語調與格式
• 在權衡各類風險的同時，將創意極大化
• 讓代理具備規劃能力、自我修正能力、行動能力，而且能與其他代理協作
• 將多種模式組合成適合各種應用場景的代理型應用程式

作者簡介

Valliappa (Lak) Lakshmanan 是代理型AI初創公司Obin.ai的共同創辦人兼技術長。在創業前，他曾擔任Google的AI解決方案總監，並在美國國家海洋暨大氣總署擔任ML研究員。他寫過多本O’Reilly技術叢書，包括著名的《機器學習設計模式》，並因為率先運用ML來預測劇烈天氣，而當選美國氣象學會會士。

Hannes Hapke 是Digits的首席機器學習工程師，負責開發金融應用的機器學習系統。他是機器學習領域的Google Developer Expert，也是Google開發者諮詢委員會成員。他曾經合著多本機器學習書籍，包括《建構機器學習管道｜運用TensorFlow實現模型生命週期自動化》與 《Natural Language Processing in Action》（Manning）。

目錄大綱

前言

第一章　導讀
生成式AI設計模式
使用基礎模型來建構
代理型AI
精密控制
in-context學習
後訓
本書後續架構

第二章　控制內容風格
模式1：Logits遮罩
模式2：文法
模式3：風格遷移
模式4：反中性化
模式5：內容最佳化
總結

第三章　增加知識：基礎篇
模式6：基本RAG
模式7：語義索引化
模式8：大規模索引化
總結

第四章　增加知識：另闢蹊徑
模式9：索引感知檢索
模式10：節點後處理
模式11：可信賴生成
模式12：深度搜尋
總結

第五章　擴展模型能力
LLM推理的侷限性
模式13：思維鏈
模式14：思維樹（ToT）
模式15：適應層微調
模式16：Evol-Instruct
總結

第六章　提升可靠性
模式17：LLM-as-Judge
模式18：反思
模式19：依賴注入
模式20：提示詞最佳化
總結

第七章　讓代理採取行動
模式21：工具呼叫
模式22：程式碼執行
模式23：多代理協作
總結

第八章　因應侷限性
模式24：小型語言模型
模式25：提示詞快取
模式26：推論最佳化
模式27：退化測試
模式28：長期記憶
總結

第九章　設置護欄
模式29：模板生成
模式30：組裝重排
模式31：自我檢查
模式32：護欄
總結

第十章　可組合的代理型工作流程
代理型工作流程
總結

索引

類似商品