大模型定製開發 -- 行業應用與解決方案

崔皓，華中科技大學碩士，資深架構師，51CTO平臺特約作者、社區編輯、大模型應用實戰精品班講師。從事IT工作19年，工作範圍涉及軟件研發、需求分析、架構設計、項目管理。曾在惠普從事企業服務交付工作9年，後又加入因特網公司，近幾年專註於大模型技術的實際應用和企業數字化轉型，善於學習，樂於分享。著有《分佈式架構原理與實踐》《LangChain實戰-大模型應用開發實例》等書。

目       錄

　　　　　　　　　

1.1    啟航：必看的閱讀指南   2

1.2    從 AIGC 到大模型：技術演進與應用   5

1.3    大模型概覽：定義、功能和影響   7

1.4    大模型訓練：預訓練、模型微調和強化學習   8

1.5    總結與啟發  11

　　　　　　　　　

2.1    開發環境概述：兵馬未動糧草先行   13

2.2    環境搭建與項目結構：Anaconda 的全解析   14

2.3    大模型快速開發：LangChain 架構初探   18

2.4    交互式開發：探索 Streamlit 的強大功能   23

2.5    模型多樣性：選擇大模型應用場景   25

2.6    總結與啟發   30

　　　　　　　　

3.1    大模型與遊戲行業   33

3.2    虛擬世界的冒險：在線角色扮演   33

3.3    提示詞與 AI 的默契：提示詞和提示詞工程   36

3.4    控制 AI 的藝術：提示詞工程原則   37

3.4.1    註重細節：SMART 驅動提問   37

3.4.2    設定角色：提示詞中的身份設定   39

3.4.3    指定步驟：大步跨向 AI 模型   39

3.4.4    提供示例、分割內容、限定長度：精確的藝術   40

3.5    實戰演練：創造虛擬角色，一步步打造個性化角色   

3.5.1    需求分析：角色、關卡和規則   41

3.5.2    界面設計：架構虛擬角色控制臺   42

3.5.3    代碼編寫：代碼賦予虛擬角色生命   43

3.5.4    功能測試：讓角色栩栩如生   54

3.6    總結與啟發   55

 

4.1    變革浪潮：大模型重塑多媒體的未來   58

4.2    夢想成像：大模型讓創意觸手可及   58

4.3    融合轉換：多模態的美食探索之旅   59

4.4    案例解析：打造自動化視頻內容製作工坊   61

4.5    技術分析：構築視頻創作的高效引擎   63

4.5.1    上傳視頻   64

4.5.2    解析視頻   64

4.5.3    生成語音   67

4.5.4    合成視頻   68

4.6    界面設計：簡化復雜，優化視頻創作體驗   69

4.7    編碼藝術：視頻解說項目背後的科技魔法   69

4.7.1    組件包簡介   70

4.7.2    獲取視頻信息   71

4.7.3    處理視頻和理解圖片   72

4.7.4    合成語音   78

4.7.5    合成視頻   80

4.7.6    交互界面   83

4.8    功能測試：將“視頻解說”項目從概念帶入現實   89

4.9    總結與啟發   90

 

5.1    技術革命：大模型與金融行業   93

5.2    智能代理：AI Agent 助力金融領域   93

5.3    案例解析：開啟智能股票分析之路   95

5.4    技術分析：Autogen-AI Agent 的最佳實踐   98

5.4.1    對話代理：Conversable Agent 的解決方案   99

5.4.2    順序聊天：優化任務協作流程   102

5.4.3    代碼執行器 Code Executor：從需求到實施   108

5.4.4    分工協作：UserProxy Agent 和 AssistantAgent  111

5.5    比較股票：智能體落地實操  112

5.6    功能測試：從開發到應用  117

5.7    智能股票：比較股票、分析原因和生成報告   124

5.8    功能驗證：智能股票分析全流程展示   129

5.9    總結與啟發   134

 

6.1   AI 在自媒體行業中的革命：從 PGC 到 AIGC 的演變   

6.2   AI 生成媒體內容：智譜清言應用   138

6.3    案例解析：打開自媒體新篇章   139

6.4    技術分析：爬蟲、解析、摘要與自省   141

6.4.1    網絡信息的爬取和解析：思路整理與工具應用   141

6.4.2    function call：大模型在數據處理中的應用   146

6.4.3    數據結構化：利用大模型和 schema 優化信息抽取   152

6.4.4    生成文章摘要：MapReduce 精練文章內容   158

6.4.5    仿寫文章：工作流的最佳實踐   163

6.5    代碼實現：從爬取到仿寫的技術流程   171

6.5.1    文章列表與內容抓取：Playwright+BeautifulSoup+Function Call   171

6.5.2    生成文章摘要：MapReduce 的最佳實踐   172

6.5.3    仿寫與評價：LangGraph 循環圖應用   174

6.5.4    界面交互：構建友好的內容管理平臺   177

6.6    功能測試：項目實施與效果評估   185

6.7    總結與啟發   188

 

7.1    大模型在旅遊行業的應用：AI 推動行業變化   191

7.2    案例解析：“智能旅遊”項目介紹   192

7.3    技術分析 : 工具調用與大模型規劃   193

7.3.1    調用外部工具：function call 再次登場   193

7.3.2    觀察調用結果：Agent 與 Tool 調用的區別   197

7.3.3    真實工具登場：用搜索引擎和維基百科替換模擬函數   202

7.3.4    復雜任務規劃：Plan-and-Solve 與 ReWOO 的選擇   207

7.4    代碼實現：從城市搜索到旅遊計劃   212

7.4.1    搜索旅遊城市：大模型結合搜索引擎   212

7.4.2    制訂旅遊計劃：大模型結合無觀察模式   216

7.4.3    搜索景點詳情：大模型結合維基百科   223

7.4.4    界面交互：功能集成與用戶交互   225

7.5    項目測試：功能操作與日誌跟蹤   228

7.5.1    搜索旅遊城市：選擇城市與信息傳遞   228

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

　　　　　　　　　　　　　　　

　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　

8.4.2    路由選擇：售前服務與售後服務                            271

8.4.3    知識庫構建：文本上傳與向量加載                          274

　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　

8.4.4    客服分析：情感、意圖與行為   275

8.5    功能測試：用戶請求、智能匹配與行為分析   278    

8.6    總結與啟發   282                           

 

 

 

 

 

 

VII