大模型編程實(shí)踐與提示工程

第1章　大語(yǔ)言模型的起源   001
1.1 大模型綜述        001
1.1.1 大模型的發(fā)展歷史    002
1.1.2 工作原理        007
1.1.3 商業(yè)應(yīng)用        017
1.2 對(duì)話式編程        018
1.2.1 自然語(yǔ)言的崛起     018
1.2.2 LLM拓?fù)浣Y(jié)構(gòu)      020
1.2.3 未來(lái)展望        022
1.3 小結(jié)     028
第2章　核心提示詞學(xué)習(xí)技術(shù)        029
2.1 什么是提示工程       029
2.1.1 提示概述        029
2.1.2 改變輸出的其他方式        033
2.1.3 設(shè)置代碼執(zhí)行       036
2.2 基本技術(shù)       040
2.2.1 零樣本場(chǎng)景        040
2.2.2 少樣本場(chǎng)景        042
2.2.3 思維鏈場(chǎng)景        047
2.3 基本使用場(chǎng)景        050
2.3.1 聊天機(jī)器人        051
2.3.2 收集信息        051
2.3.3 翻譯         055
2.4 LLM的局限性         056
2.5 小結(jié)     057
第3章　高級(jí)提示詞工程       059
3.1 超越提示工程        059
3.1.1 合并不同的部分     060
3.1.2 微調(diào)         062
3.2 函數(shù)調(diào)用       065
3.2.1 自定義函數(shù)調(diào)用     065
3.2.2 OpenAI風(fēng)格         070
3.3 與單獨(dú)的數(shù)據(jù)對(duì)話       074
3.3.1 將數(shù)據(jù)連接到LLM   074
3.3.2 嵌入         075
3.3.3 向量存儲(chǔ)        080
3.3.4 檢索增強(qiáng)生成       083
3.4 小結(jié)     088
第4章　巧用語(yǔ)言框架     089
4.1 對(duì)編排器的需求       089
4.1.1 跨框架概念        090
4.1.2 需要考慮的重點(diǎn)     096
4.2 LangChain       098
4.2.1 模型、提示模板和鏈        099
4.2.2 代理         107
4.2.3 數(shù)據(jù)連接        116
4.3 微軟的 Semantic Kernel       122
4.3.1 插件         124
4.3.2 數(shù)據(jù)與規(guī)劃器       129
4.4 微軟的 Guidance      135
4.4.1 配置         135
4.4.2 主要特性        138
4.5 小結(jié)     142
第5章　安全、隱私和準(zhǔn)確性問(wèn)題     143
5.1 概述     143
5.1.1 負(fù)責(zé)任AI       143
5.1.2 紅隊(duì)測(cè)試        144
5.1.3 濫用與內(nèi)容過(guò)濾     145
5.1.4 幻覺(jué)與性能        146
5.1.5 偏見(jiàn)和公平性       147
5.2 安全性和隱私保護(hù)       147
5.2.1 安全性      147
5.2.2 隱私保護(hù)         152
5.3 評(píng)估和內(nèi)容過(guò)濾        156
5.3.1 評(píng)估          157
5.3.2 內(nèi)容過(guò)濾         161
5.3.3 幻覺(jué)          169
5.4 小結(jié)      170
第6 章　構(gòu)建個(gè)人AI 助手      171
6.1 聊天機(jī)器人Web 應(yīng)用概覽          171
6.1.1 愿景          172
6.1.2 技術(shù)棧      172
6.2 項(xiàng)目      173
6.2.1 設(shè)置LLM        173
6.2.2 設(shè)置項(xiàng)目         175
6.2.3 與LLM 集成          178
6.3 小結(jié)       193
第7 章　與自己的數(shù)據(jù)對(duì)話    195
7.1 概述      195
7.1.1 愿景          195
7.1.2 技術(shù)棧      196
7.2 Streamlit 框架         196
7.2.1 Streamlit 簡(jiǎn)介        197
7.2.2 主要的UI 特性      197
7.2.3 生產(chǎn)時(shí)的優(yōu)缺點(diǎn)      199
7.3 項(xiàng)目      200
7.3.1 設(shè)置項(xiàng)目和基本UI    201
7.3.2 數(shù)據(jù)準(zhǔn)備         204
7.3.3 與LLM 集成          209
7.4 進(jìn)階內(nèi)容        213
7.4.1 RAG 與微調(diào)        213
7.4.2 可能的擴(kuò)展         215
7.5 小結(jié)      216
第8 章　對(duì)話式UI      217
8.1 概述      217
8.1.1 愿景         218
8.1.2 技術(shù)棧     219
8.2 項(xiàng)目     220
8.2.1 Minimal API設(shè)置      220
8.2.2 OpenAPI         222
8.2.3 與LLM集成         224
8.2.4 可能的擴(kuò)展        231
8.3 小結(jié)     232
附錄A　大語(yǔ)言模型的工作原理      233