LangChain與新時代生產力——AI應用開發之路

陸夢陽、朱劍、孫羅庚、韓中俊

LangChain與新時代生產力——AI應用開發之路 預覽內頁
  • 出版商: 清華大學
  • 出版日期: 2024-12-01
  • 定價: $534
  • 售價: 8.5 折 $454
  • 語言: 簡體中文
  • ISBN: 7302676151
  • ISBN-13: 9787302676157
  • 相關分類: LangChain

    • 下單後立即進貨 (約4週~6週)

  • LangChain與新時代生產力——AI應用開發之路-preview-1
  • LangChain與新時代生產力——AI應用開發之路-preview-2
  • LangChain與新時代生產力——AI應用開發之路-preview-3
LangChain與新時代生產力——AI應用開發之路-preview-1

相關主題

商品描述

"本書全面深入地探討了AI生成大模型的領域，從AI的歷史探源、生成式模型在不同領域的應用（文本、圖片、聲樂、視頻及多模態模型），到大型語言模型（如GPT）的運作機制、預訓練、可擴展架構及其適應性。通過詳細介紹LangChain的概念、應用、安裝方法及如何利用LangChain進行軟件開發和數據科學，本書為讀者提供了一個關於AI生成大模型應用的全景視圖。 本書共11章，覆蓋了AI生成大模型的理論基礎、LangChain的初識與入門、進階使用、在軟件開發和數據科學中的應用及生成式AI的未來展望等多個方面。第1~3章介紹AI生成大模型的基礎知識，如AI歷史、生成式模型在不同領域的應用、大型語言模型如GPT的基礎和LangChain的初識與入門。第4~6章深入LangChain的進階使用，探討Agent構建、文檔查詢工具、聊天機器人開發，提供實戰案例和技術細節。第7~9章聚焦LangChain在軟件開發和數據科學的應用及定製LLM輸出的策略，介紹編程、自動化軟件開發、數據探索技術方法及LLM輸出優化。第10章和第11章討論LLM在生產環境的應用、監控、回調處理，以及生成式AI的未來展望，包括其潛力、社會影響和挑戰，旨在為讀者提供從入門到進階的全面知識，適合不同背景的讀者深入學習和應用。 本書特色在於其理論與實踐相結合的方法論，適合對AI生成大模型感興趣的學生、研究人員和軟件開發者。書中不僅詳細介紹了AI生成大模型的基礎知識和前沿技術，還提供了豐富的實踐指導和案例分析，幫助讀者掌握如何在實際項目中應用這些技術。此外，配套資源豐富，包括示例代碼、工具安裝指南和案例研究，極大地增強了本書的實用性和指導性。無論是AI領域的新手還是有經驗的開發者都能從中獲得必要的知識和靈感。 "

目錄大綱

目錄

第1章什麽是AI生成大模型1

1.1AI歷史探源1

1.1.1生成式模型2

1.1.2生成式模型在文本領域3

1.1.3生成式模型在圖片領域4

1.1.4生成式模型在聲樂領域5

1.1.5生成式模型在視頻領域6

1.1.6多模態模型6

1.2LLM簡介6

1.2.1潮流涌現8

1.2.2GPT的運作機制10

1.2.3模型的預訓練12

1.2.4可擴展架構12

1.2.5模型的適應性13

1.2.6上手GPT13

1.3圖像模型13

1.3.1圖像模型工作原理14

1.3.2圖像模型的不同版本15

1.3.3圖形模型的調節性16

1.4總結16

第2章初識LangChain17

2.1LLM的局限性17

2.2LLM應用介紹19

2.3LangChain介紹21

2.3.1LangChain的必要性23

2.3.2LangChain支持的應用23

2.4LangChain的工作機制24

2.4.1初識Agent24

2.4.2初識鏈27

2.4.3初識記憶28

2.4.4LangChain中的工具28

2.5總結29

第3章LangChain入門30

3.1安裝LangChain方法30

3.1.1安裝Python30

3.1.2Jupyter Notebook和JupyterLab30

3.1.3環境管理32

3.2導入模型34

3.2.1虛擬LLM（Fake LLM）35

3.2.2OpenAI36

3.2.3HuggingFace37

3.2.4微軟雲38

3.2.5谷歌雲38

3.2.6Jina AI40

3.2.7Replicate42

3.2.8本地模型42

3.3模型輸出解析45

3.3.1列表解析器47

3.3.2日期解析器48

3.3.3自動修復解析器49

3.3.4Pydantic（JSON）解析器51

3.3.5重試解析器53

3.3.6結構化輸出解析器55

3.3.7XML解析器57

3.4LangChain表達式語言59

3.4.1LCEL接口簡介60

3.4.2綁定運行時參數75

3.4.3運行自定義函數77

3.4.4流式傳輸自定義生成器函數78

3.4.5並行化步驟80

3.4.6根據輸入的動態路由邏輯82

3.5鏈86

3.5.1鏈接口中的方法調用88

3.5.2自定義鏈的創建89

3.5.3幾種常見的鏈92

3.6實戰案例: 客戶服務助手應用程序開發109

3.7總結113

第4章LangChain進階: Agent114

4.1構建自己的第1個Agent115

4.2LangChain中的常見Agent類型121

4.2.1Zeroshot ReAct122

4.2.2Structured Input ReAct124

4.2.3OpenAI Functions128

4.2.4Conversational130

4.2.5ReAct Document Store133

4.3迭代器運行Agent135

4.4讓Agent返回結構化輸出138

4.5處理Agent解析錯誤143

4.6將Agent構建為圖144

4.6.1快速開始144

4.6.2流式輸出147

第5章使用LangChain工具進行文檔查詢153

5.1幻覺現象153

5.2文檔總結156

5.3信息提取159

5.4使用工具161

5.5解剖LLM推理的底層策略165

5.6總結168

第6章聊天機器人170

6.1聊天機器人簡介170

6.1.1歷史溯源171

6.1.2上下文和記憶173

6.1.3意識性與主動性174

6.2檢索和向量174

6.2.1嵌入176

6.2.2存儲嵌入的方式179

6.2.3索引179

6.2.4向量庫180

6.2.5向量數據庫181

6.2.6文檔加載器184

6.2.7LangChain中的檢索器184

6.3實戰案例: 實現一個聊天機器人187

6.4LangChain中的記憶機制191

6.4.1快速開始192

6.4.2LangChain中基礎的記憶類型194

6.4.3其他高級記憶類型211

6.4.4記憶和LLM鏈225

6.4.5記憶和Agent228

6.4.6自定義會話記憶233

6.4.7自定義記憶237

6.4.8聊天機器人的記憶240

6.5內容監管245

6.6總結246

第7章LangChain和軟件開發248

7.1步入新時代248

7.1.1AI在軟件領域的最新進展249

7.1.2代碼生成LLM250

7.1.3未來展望253

7.2使用LLM編程254

7.3LLM自動化軟件開發260

7.4總結265

第8章LangChain和數據科學266

8.1自動化數據科學簡介266

8.1.1數據收集268

8.1.2可視化和探索性數據分析270

8.1.3數據預處理和特徵提取270

8.1.4自動化機器學習271

8.1.5生成式AI對數據科學的變革274

8.2使用Agent276

8.3數據探索和LLM279

8.4總結282

第9章綻放LangChain的魅力: 定製LLM輸出283

9.1調整與對齊283

9.1.1對齊的方法284

9.1.2變革者: InstructGPT286

9.1.3LLM推理過程的調整方法287

9.1.4效果評估288

9.2實戰案例: LangChain微調LLM288

9.3提示詞工程295

9.3.1提示詞的結構295

9.3.2提示模板297

9.3.3高級提示詞工程298

9.4總結301

第10章生產環境LLM303

10.1引言303

10.2LLM應用評估305

10.2.1比較兩個輸出306

10.2.2基於標準的比較307

10.2.3字符串和語義比較308

10.2.4基準數據集309

10.3部署LLM應用312

10.3.1FastAPI314

10.3.2Ray316

10.4監測LLM應用320

10.4.1跟蹤和追蹤321

10.4.2可觀測性工具323

10.5LangChain回調324

10.5.1異步回調325

10.5.2自定義回調處理程序327

10.5.3記錄到文件328

10.5.4多個回調處理程序330

10.5.5Token計算333

10.6LangSmith334

10.6.1LangSmith調試334

10.6.2LangSmith樣本收集335

10.6.3LangSmith測試評估336

10.6.4LangSmith人工評估336

10.6.5LangSmith監控336

10.6.6LangSmith實戰演示337

10.7總結344

第11章生成式AI的未來展望346

11.1當前的生成式AI346

11.2未來的能力349

11.3AI的社會影響351

11.3.1AI和創意行業353

11.3.2AI和社會經濟354

11.3.3AI和教育354

11.3.4AI和就業355

11.3.5AI和其他行業357

11.3.6AI和網絡安全357

11.4應用難題探索358

11.5寫在最後359

參考文獻361

類似商品