LLM 的瑞士刀 - 用 LangChain 極速開發可擴充大型應用程式
李特麗、康軼文 編著
- 出版商: 深智
- 出版日期: 2024-05-19
- 定價: $880
- 售價: 7.9 折 $695
- 語言: 繁體中文
- 頁數: 400
- ISBN: 6267383679
- ISBN-13: 9786267383674
-
相關分類:
LangChain
- 此書翻譯自: LangChain 入門指南：構建高可復用、可擴展的 LLM 應用程序
立即出貨 (庫存 > 10)
買這商品的人也買了...
-
ChatGPT 完整解析：API 實測與企業應用實戰$620$490 -
精通 API 架構｜設計、營運和發展基於 API 的系統 (Mastering API Architecture: Design, Operate, and Evolve Api-Based Systems)$680$537 -
Hugging Face 模型及資料大公開 - 利用 BERT 建立全中文 NLP 應用$720$569 -
跟 NVIDIA 學深度學習！從基本神經網路到 ......、GPT、BERT...，紮穩機器視覺與大型語言模型 (LLM) 的建模基礎$880$695 -
$454LangChain 實戰：從原型到生產，動手打造 LLM 應用 -
K8S 自學聖經：10大核心模板快速入門【圖解教學】$790$624 -
新範式來臨 - 用 PyTorch 了解 LLM 開發微調 ChatGLM 全過程$980$774 -
AI 的發展與應用 : 一本人工智慧的科普書$480$456 -
$408LangChain 簡明講義：從0到1建構 LLM 應用程式 -
新一代 Keras 3.x 重磅回歸：跨 TensorFlow 與 PyTorch 建構 Transformer、CNN、RNN、LSTM 深度學習模型$750$593 -
極速 ChatGPT 開發者兵器指南：跨界整合 Prompt Flow、LangChain 與 Semantic Kernel 框架$680$530 -
新世代 AI 範式 - 多模態+大模型實作精解$800$632 -
AI 時代 Math 元年 - 用 Python 全精通統計及機率$1,200$948 -
乾脆一次搞清楚：最完整詳細網路協定全書, 2/e$780$616 -
建立演進式系統架構｜支援常態性的變更, 2/e (Building Evolutionary Architectures: Automated Software Governance, 2/e)$580$458 -
LangChain 開發手冊 -- OpenAI × LCEL 表達式 × Agent 自動化流程 × RAG 擴展模型知識 × 圖形資料庫 × LangSmith 除錯工具$680$537 -
LangChain 技術解密：構建大模型應用的全景指南$708$673 -
大模型應用開發 : 動手做 AI Agent$539$512 -
LLM 走進你的電腦 - 自己動手開發大型語言模型應用$880$695 -
生成式 AI：以 ChatGPT 與 OpenAI 模型實現高效創新 (Modern Generative AI with ChatGPT and OpenAI Models)$500$395 -
ChatGPT 4 Omni 萬用手冊 2024 夏季號：GPT-4o/GPT-4o mini、GPTs、DALL-E 3、Copilot、Gemini、Claude 3.5$680$537 -
深度學習 -- 最佳入門邁向 AI 專題實戰, 2/e$1,200$948 -
LLM 大型語言模型的絕世祕笈：27路獨步劍法，帶你闖蕩生成式 AI 的五湖四海 （iThome鐵人賽系列書）$650$507 -
LLM 串接所有服務 - LangChain 原型到產品全面開發$680$537 -
自己開發 ChatGPT - LLM 從頭開始動手實作$720$569
相關主題
商品描述
【新書簡介】
這本書針對對自然語言處理技術感興趣的讀者，提供了系統化的LLM應用程式開發指南。
全書分為11章，從LLM基礎知識開始，透過LangChain這個開放原始碼框架為讀者解讀整個LLM應用程式開發流程。
第1~2章概述LLM技術的發展背景和LangChain框架的設計理念。
從第3章開始，分章深入介紹LangChain的6大模組，包括模型I/O、資料增強、鏈、記憶等，透過大量程式範例讓讀者了解其原理和用法。
第9章透過建構PDF問答程式，幫助讀者將之前學習的知識應用於實踐。
第10章則介紹整合，可拓寬LangChain的用途。
第11章為初學者簡要解析LLM的基礎理論，如Transformer模型等。
本書以LangChain這個讓人熟悉的框架為主線，引導讀者一步一步掌握LLM應用程式開發流程，適合對大語言模型感興趣的開發者、AI應用程式開發者閱讀。
【本書看點】
吳恩達親自教學的LangChain套件詳解
市面第一本中文書操控LLM
模型I/O模組，RAG模組，鏈的概念
Chat對應的重心 - 記憶模組
實際執行鏈的角色 – Agent模組
回呼處理器
PDF、TXT、WIKI、網頁、OFFICE各種文件載入
向量資料庫的概念
作者簡介
李特麗
LangChain中文網聯合創始人，優秀的軟體工程師。曾翻譯LangChain、OpenAi、Milvus等AI開發三件套的中文文檔，幫助中國開發者快速上手AI開發。
康軼文
LangChain中文網創始人，2005年從個人站長做起，成為第一代SEO「大神」；2012年轉型移動互聯網營銷，成為中國Apple Ads代理商，獲得蘋果千萬美元授信；2022年轉型月付制AI數位員工全托管服務，是一位經驗豐富的數位員工和人工智慧應用專家。
目錄大綱
1 LangChain：開啟大型語言模型時代的鑰匙
1.1 大型語言模型概述
1.2 LangChain 與大型語言模型
2 LangChain 入門指南
2.1 初識LangChain
2.2 LangChain 的開發流程
2.3 LangChain 運算式
3 模型I/O
3.1 什麼是模型I/O
3.2 模型I/O功能之模型包裝器
3.3 模型I/O功能之提示詞範本
3.4 模型I/O功能之輸出解析器
4 資料增強模組
4.1 資料增強模組的相關概念
4.2 載入器
4.3 嵌入模型包裝器
4.4 文件轉換器
4.5 向量儲存庫
4.6 檢索器
5 鏈
5.1 為什麼叫鏈
5.2 細說基礎鏈
5.3 四大合併文件鏈
5.4 揭秘鏈的複雜性
6 記憶模組
6.1 記憶模組概述
6.2 記憶增強檢索能力的實踐
6.3 記憶增強Agent能力的實踐
6.4 內建記憶元件的對比
7 Agent模組
7.1 Agent模組概述
7.2 Agent元件的應用
7.3 工具元件和工具套件元件
7.4 Agent元件的功能增強
8 回呼處理器
8.1 什麼是回呼處理器
8.2 內建回呼處理器
8.3 自訂回呼處理器
9 使用LangChain建構應用程式
9.1 PDF問答程式
9.2 對話式表單
9.3 使用LangChain實現BabyAGI
10 整合
10.1 整合的背景與LLM整合
10.2 LLM整合指南
10.3 聊天模型整合指南
10.4 向量資料庫整合指南
10.5 嵌入模型整合指南
10.6 Agent toolkits 整合指南
10.7 Retrievers整合指南
11 LLM應用程式開發必學知識
11.1 LLM的核心知識
11.2 Transformer模型
11.3 語義搜尋
11.4 NLP與機器學習基礎
A LangChain框架中的主要類別
B OpenAI平臺和模型介紹
C Claude 2模型介紹
D Cohere 模型介紹
E PaLM 2 模型介紹
F Pinecone 向量資料庫介紹
G Milvus 向量資料庫介紹
