（1） 案例驱动，实战导向：融合7个高价值业务场景，从需求分析到系统搭建，完整通LLM应用发闭环。 （2）覆盖主流框架，快速上手可落地：聚焦LangChain、LangChain4j、LlamaIndex三大主流框架，详细讲解功能、用法与适配策略，配套代码“即插即用”，大幅降低门槛。 （3）基于场景构建发方法论：从Prompt工程、Agent设计到外部工具集成、函数调用，剖析复杂大模型系统的构建方式，将模型能力实际融业务价值。
售 价：¥
纸质售价：¥66.70购买纸书
6.5
温馨提示：数字商品不支持退换货，不提供源文件，不支持导出打印
为你推荐
PREFACE 前言
CHAPTER 1 第1章 大语言模型应用开发体系
1.1 大语言模型应用开发概述
1.1.1 大语言模型应用场景
1.1.2 大语言模型应用开发的核心技术
1.2 大语言模型集成性开发框架
1.2.1 集成性开发框架的功能特性
1.2.2 代表性开发框架
1.3 本章小结
CHAPTER 2 第2章 实现并重构一个翻译器工具
2.1 基于OpenAI API实现翻译器
2.1.1 引入OpenAI LLM
2.1.2 OpenAI API对接
2.1.3 构建翻译器工具V1.0
2.2 基于LangChain重构翻译器
2.2.1 LangChain集成OpenAI LLM
2.2.2 使用PromptTemplate创建提示词
2.2.3 构建LLMChain
2.2.4 构建翻译器工具V2.0
2.3 本章小结
CHAPTER 3 第3章 构建通用的文档检索助手
3.1 RAG解析
3.1.1 RAG技术的核心概念
3.1.2 RAG应用开发流程
3.2 基于LangChain4j实现文档检索助手
3.2.1 LangChain4j的聊天模型
3.2.2 LangChain4j的RAG技术组件
3.3 使用高级RAG技术实现强化版文档检索助手
3.3.1 查询压缩
3.3.2 查询路由
3.4 本章小结
CHAPTER 4 第4章 开发纠错型RAG应用
4.1 纠错型RAG应用的核心组件
4.2 基于LangChain4j Workflow实现工作流
4.2.1 LangChain4j Workflow的工作原理
4.2.2 LangChain4j Workflow的实现
4.3 基于工作流实现CRAG应用
4.3.1 CRAG应用的通用开发步骤
4.3.2 CRAG应用开发的工作流
4.3.3 测试和验证
4.4 本章小结
CHAPTER 5 第5章 设计智能化的简历匹配服务
5.1 简历匹配服务与RAG技术
5.2 基于LlamaIndex实现简历匹配服务
5.2.1 LlamaIndex的RAG技术组件
5.2.2 设计简历数据提取管道
5.2.3 创建和存储简历索引
5.3 简历匹配优化策略
5.3.1 构建混合检索器
5.3.2 检索结果重排序
5.3.3 基于Streamlit构建交互界面
5.4 本章小结
CHAPTER 6 第6章 开发多模态处理器
6.1 多模态处理的场景分析
6.2 基于LangChain进行图像处理
6.2.1 图像解析
6.2.2 图像生成
6.3 基于LangChain进行语音处理
6.3.1 自动语音识别
6.3.2 文本转语音
6.4 多模态处理器的系统整合
6.4.1 对话机制集成
6.4.2 回调和流式处理
6.5 本章小结
CHAPTER 7 第7章 定制化Agent开发实战
7.1 Agent的运行机制
7.2 LlamaIndex的Tool和Agent组件
7.2.1 Tool
7.2.2 OpenAIAgent
7.2.3 ReActAgent
7.2.4 AgentRunner和AgentWorker
7.3 构建自定义Agent
7.3.1 自定义Agent的场景分析
7.3.2 创建Tool组件
7.3.3 实现自定义Agent
7.3.4 测试和验证
7.4 本章小结
CHAPTER 8 第8章 混合Agent架构设计实战
8.1 MoA架构解析
8.2 基于LangChain4j实现MoA架构
8.2.1 MoA架构的实现步骤
8.2.2 构建MoA工作流
8.3 基于LangChain实现MoA架构
8.3.1 文档嵌入和检索
8.3.2 构建MoA架构的主流程
8.3.3 整合MoA架构、Agent与向量数据
8.4 本章小结
推荐阅读
买过这本书的人还买过
读了这本书的人还在读
同类图书排行榜
购物车
个人中心
