LangChain實戰：大模型應用開發實例
崔皓
買這商品的人也買了...
-
$454OpenCV 圖像處理編程實例 -
$849重構 : 改善既有代碼的設計, 2/e (簡中典藏精裝版)(Refactoring: Improving The Design of Existing Code, 2/e) -
FreeRTOS 內核實現與應用開發實戰指南 — 基於 STM32$594$564 -
$505統計信號處理基礎 — 估計與檢測理論 (卷I、卷II合集) -
$403統計信號處理基礎：實用算法開發‧卷III -
Principles of Optics, 7/e (60th Anniversary Edition)(Hardcover)$1,650$1,617 -
生成深度學習｜訓練機器繪畫、作曲、寫作與玩遊戲 (Generative Deep Learning)$580$458 -
Python 大數據專案 X 工程 X 產品 資料工程師的升級攻略$700$553 -
$465概率深度學習 使用 Python、Keras 和 TensorFlow Probability (Probabilistic Deep Learning: With Python, Keras and Tensorflow Probability) -
$454擴散模型：生成式 AI 模型的理論、應用與代碼實踐 -
白話深度學習的數學$419$398 -
程式設計守則｜如何寫出更好的程式碼 (The Rules of Programming: How to Write Better Code)$620$489 -
最新機器學習的教科書, 2/e$780$616 -
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
相關主題
商品描述
本書深入介紹了LangChain平臺和大模型的核心概念、應用和實戰經驗。從LangChain的架構出發，逐一講解了模型輸入/輸出、檢索、鏈、記憶和代理等核心組件，並結合豐富的開發場景以詳細的代碼呈現給讀者。此外，本書還將通過幾個具體案例來展示如何綜合運用所學知識，通過這些案例，讀者不僅可以掌握LangChain的實用技術，還可以提升解決實際問題的能力。
本書既適合初學者快速入門LangChain，深入瞭解大模型領域的最新技術，也適合專業開發者拓展技能，上手大模型應用的開發。
作者簡介
崔皓
华中科技大学硕士，资深架构师，51CTO平台特约作者、社区编辑、AIGC大模型应用实战精品班讲师。在大模型领域拥有丰富的教学经验，并协助企业成功实施大模型项目。曾在惠普负责企业服务交付工作长达9年，近几年专注于大模型技术的实际应用和企业数字化转型。著有《分布式架构原理与实践》。
目錄大綱
目 錄
第 1章 攜手大模型與LangChain，邁向AI新紀元 1
1.1 大模型：不僅火熱，更是未來 2
1.2 大模型揭秘：從數字到現實 3
1.3 LangChain：你的大模型工具箱 5
1.4 LangChain探索：開發的第 一步 7
1.5 內容導覽：與LangChain共創未來 10
1.6 LangChain的整體框架 12
1.7 總結 14
第 2章 LangChain探索之旅：準備與初始配置 15
2.1 LangChain 安裝：步驟簡單 16
2.2 環境搭建：Python的簡潔與Jupyter NoteBook的力量 17
2.3 密鑰之力：打開大模型的通道 18
2.4 啟動序章：大模型的調用與應用 20
2.5 總結 23
第3章 駕馭大模型的輸入與輸出 24
3.1 model I/O概述：通往大模型應用的橋梁 25
3.2 提示模板探究：構築靈活的提示體系 26
3.2.1 動態提示構造：提示模板在自動客服應用中的應用 27
3.2.2 從客服到技術：ChatMessagePromptTemplate在角色切換中的實踐 30
3.2.3 部分提示模板：引導用戶獲取精準服務 32
3.2.4 自動客服模板組合：PipelinePromptTemplate集成多模板 37
3.3 示例選擇探究：借用示例選擇器提升響應效率 39
3.3.1 客服交互設計：LengthBasedExampleSelector實現三步響應法 40
3.3.2 用戶請求歸類：SemanticSimilarityExampleSelector實現相似度選擇 44
3.4 模型交互核心：模型應用實戰 48
3.4.1 模型框架探析：LangChain實踐展現 48
3.4.2 緩存優勢展現：實戰效能提升 50
3.4.3 虛擬環境構建：FakeListLLM演示 52
3.4.4 並發優勢探索：異步調用實現 55
3.5 輸出格式解析：輸出解析器優化系統交互 58
3.5.1 CRM數據整合：PydanticOutputParser實現輸出解析 58
3.5.2 解析自動修復：OutputFixingParser實現解析失敗的備選方案 61
3.6 總結 64
第4章 檢索技術 65
4.1 檢索器概要：執行路徑與組件功能 66
4.2 文檔加載器：連接數據源與文檔的工具 67
4.3 文檔轉換器：文本分割與格式化 71
4.3.1 分塊與重疊：遞歸文本分割策略 72
4.3.2 結構化數據抽取：用戶評論智能轉換 75
4.4 文本嵌入向量：深入詞向量原理 78
4.5 向量存儲：從嵌入到查詢 81
4.6 檢索器：多維查詢與上下文壓縮 84
4.7 總結 90
第5章 鏈組件 91
5.1 模塊設計：鏈組件概述 92
5.2 交互優化：提示模板與鏈協同工作 93
5.3 生成摘要：探索StuffDocumentsChain的應用 94
5.4 海量文檔搜索：探索MapReduceDocumentsChain的應用 98
5.5 過濾請求：實現問題分類與路由選擇 105
5.6 串聯服務鏈：使用SequentialChain實現連續處理流程 110
5.7 自動客服系統：架設自然語言到SQL語句的橋梁 114
5.7.1 數據庫設計：明確實體與關系 115
5.7.2 數據庫部署：SQLite的選擇與安裝 118
5.7.3 從自然語言到SQL語句：使用SQLDatabaseChain實現查詢功能 119
5.8 總結 122
第6章 高效AI聊天機器人：借助記憶組件優化交互體驗 123
6.1 增強對話連貫性：記憶組件的實現與應用 124
6.2 優化AI聊天體驗：借助記憶組件實現聊天記憶 126
6.3 長聊天交互：使用ConversationSummaryMemory提升聊天連續性 131
6.4 精準檢索歷史對話：使用VectorStoreRetrieverMemory實現信息檢索 135
6.5 多輸入鏈：兼顧歷史文檔與實時查詢 141
6.6 總結 148
第7章 代理與回調組件：實時交互與智能監控 149
7.1 代理組件：實現動態交互 150
7.2 天氣與物流協同：對話代理實現對話實時交互 156
7.3 在線文檔搜索：搜索與查找實現文檔實時交互 159
7.4 自問自答與搜索：實現電商銷售推薦 163
7.5 對接訂單與物流：StructuredTool自定義工具 165
7.6 實時監控與日誌記錄：回調實現自定義處理器 169
7.7 總結 174
第8章 大模型項目實踐：從理論到應用的跨越 175
8.1 知識圖譜實踐：理論、方法與工具 176
8.1.1 知識圖譜構建：開發流程與關鍵步驟 176
8.1.2 三元組抽取：從文本到圖譜的轉化 177
8.1.3 LangChain處理三元組：語義的深度解析 179
8.2 企業知識庫構建：技術架構與操作流程 183
8.2.1 自動客服流程：從用戶請求到模型響應的完整流程 184
8.2.2 數據應用構建：Streamlit前端與Python後端的融合 185
8.2.3 自動客服執行：從PDF上傳到問題響應 186
8.3 用戶評論分析：從文本到情感識別 192
8.3.1 用戶評價分析：客戶反饋與信息抽取 192
8.3.2 從評論到數據洞察：LangChain驅動文本分析流程 194
8.3.3 追加情感分析：LangChain標記鏈實踐 197
8.3.4 情感數據可視化：雷達圖洞悉服務滿意度 202
8.4 大模型微調： GPT-3.5 Turbo安全微調與效能提升 204
8.4.1 微調GPT-3.5 Turbo：安全標準與成本透明性 205
8.4.2 提升效率與性能：GPT-3.5 Turbo的微調過程 206
8.4.3 數據集構建：打造幽默氣象助理 206
8.4.4 定製幽默感：GPT-3.5 Turbo 微調詳解 209
8.5 總結 213
第9章 LCEL技術深掘：構建高效的自動化處理鏈 214
9.1 LCEL概要 215
9.2 自定義鏈：Runnable接口的功能與實現 216
9.3 組件協作：輸入/輸出模式和數據傳遞機制 218
9.4 流暢的AI對話：結合Runnable、模板和解析器 221
9.5 自動化回答鏈：結合檢索、模板和大模型 226
9.6 序列化鏈：借助LCEL實現技術問題診斷與解決方案生成 228
9.7 並行鏈：借助LCEL實現多方案整合 231
9.8 總結 236
