大模型編程實踐與提示工程 Programming Large Language Models with Azure Open AI: Conversational Programming and Prompt Engineering with Llms (使用 Azure Open AI 程式設計大型語言模型：對話式程式設計與提示工程)

詳細目錄

第1章　大語言模型的起源   001

1.1 大模型綜述        001

1.1.1 大模型的發展歷史    002

1.1.2 工作原理        007

1.1.3 商業應用        017

1.2 對話式編程        018

1.2.1 自然語言的崛起     018

1.2.2 LLM拓撲結構      020

1.2.3 未來展望        022

1.3 小結     028

第2章　核心提示詞學習技術        029

2.1 什麽是提示工程       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 設置代碼執行       036

2.2 基本技術       040

2.2.1 零樣本場景        040

2.2.2 少樣本場景        042

2.2.3 思維鏈場景        047

2.3 基本使用場景        050

2.3.1 聊天機器人        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     057

第3章　高級提示詞工程       059

3.1 超越提示工程        059

3.1.1 合並不同的部分     060

3.1.2 微調         062

3.2 函數調用       065

3.2.1 自定義函數調用     065

3.2.2 OpenAI風格         070

3.3 與單獨的數據對話       074

3.3.1 將數據連接到LLM   074

3.3.2 嵌入         075

3.3.3 向量存儲        080

3.3.4 檢索增強生成       083

3.4 小結     088

第4章　巧用語言框架     089

4.1 對編排器的需求       089

4.1.1 跨框架概念        090

4.1.2 需要考慮的重點     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 數據連接        116

4.3 微軟的 Semantic Kernel       122

4.3.1 插件         124

4.3.2 數據與規劃器       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     142

第5章　安全、隱私和準確性問題     143

5.1 概述     143

5.1.1 負責任AI       143

5.1.2 紅隊測試        144

5.1.3 濫用與內容過濾     145

5.1.4 幻覺與性能        146

5.1.5 偏見和公平性       147

5.2 安全性和隱私保護       147

5.2.1 安全性      147

5.2.2 隱私保護         152

5.3 評估和內容過濾        156

5.3.1 評估          157

5.3.2 內容過濾         161

5.3.3 幻覺          169

5.4 小結      170

第6 章　構建個人AI 助手      171

6.1 聊天機器人Web 應用概覽          171

6.1.1 願景          172

6.1.2 技術棧      172

6.2 項目      173

6.2.1 設置LLM        173

6.2.2 設置項目         175

6.2.3 與LLM 集成          178

6.3 小結       193

第7 章　與自己的數據對話    195

7.1 概述      195

7.1.1 願景          195

7.1.2 技術棧      196

7.2 Streamlit 框架         196

7.2.1 Streamlit 簡介        197

7.2.2 主要的UI 特性      197

7.2.3 生產時的優缺點      199

7.3 項目      200

7.3.1 設置項目和基本UI    201

7.3.2 數據準備         204

7.3.3 與LLM 集成          209

7.4 進階內容        213

7.4.1 RAG 與微調        213

7.4.2 可能的擴展         215

7.5 小結      216

第8 章　對話式UI      217

8.1 概述      217

8.1.1 願景         218

8.1.2 技術棧     219

8.2 項目     220

8.2.1 Minimal API設置      220

8.2.2 OpenAPI         222

8.2.3 與LLM集成         224

8.2.4 可能的擴展        231

8.3 小結     232

附錄A　大語言模型的工作原理      233