1-让 AI 不再“看运气” 帮你减少跑偏、胡编和格式混乱，让 AI 输出更稳定、更可用。 2-不学提示词玄学 不教“万能咒语”，而是教你为什么这样提示有效，怎么长期有效。 3-从聊天走向实用 不只是和 AI 对话，而是让 AI 写作、编程、图像生成、自动化等真实工作场景。 4-解决 AI 落地的核心痛 重讲如何给方向、定格式、给示例、拆任务、评估结果，让 AI 产出更可靠。
售 价：¥
纸质售价：¥85.60购买纸书
6.6
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
版权声明
O'Reilly Media, Inc. 介绍
对本书的赞誉
前言
第1章 提示工程的五大原则
1.1 提示工程的五大原则概述
1.2 原则一：提供指导
1.3 原则二：指定格式
1.4 原则三：提供示例
1.5 原则四：评估质量
1.6 原则五：任务拆分
1.7 小结
第2章 面向文本生成的 LLM
2.1 什么是文本生成模型
2.2 历史背景：Transformer 架构的崛起
2.3 OpenAI 的 GPT
2.4 GPT-3.5 Turbo 与 ChatGPT
2.5 GPT-4
2.6 Google Gemini
2.7 Meta 的 Llama 和开源
2.8 通过量化和 LoRA 优化模型
2.9 Mistral
2.10 Anthropic 的 Claude
2.11 GPT-4V
2.12 模型比较
2.13 小结
第3章 使用 ChatGPT 进行文本生成的标准实践
3.1 生成列表
3.2 生成层级列表
3.3 何时避免使用正则表达式
3.4 生成 JSON
3.5 YAML
3.6 过滤 YAML 负载
3.7 处理 YAML 中的无效负载
3.8 ChatGPT 生成多种格式的能力
3.9 五岁小孩也能听懂
3.10 通过 LLM 实现通用翻译
3.11 请求上下文
3.12 拆解文本风格
3.13 摘要
3.14 在上下文窗口受限时进行摘要
3.15 文本分块
3.16 分块策略
3.17 使用 spaCy 进行句子检测
3.18 在 Python 中构建一个简单的分块算法
3.19 滑动窗口分块
3.20 文本分块工具包
3.21 使用 tiktoken 进行文本分块
3.22 编码
3.23 估算 Chat API 调用中的词元使用量
3.24 情感分析
3.25 从简到繁
3.26 角色提示
3.27 GPT 提示词技巧
3.28 使用 LLM 分类
3.29 构建分类模型
3.30 分类的多数投票法
3.31 评估标准
3.32 元提示
3.33 小结
第4章 LangChain 框架下的文本生成高级技巧
4.1 LangChain 简介
4.2 聊天模型
4.3 流式传输聊天模型
4.4 生成多个响应
4.5 LangChain 提示词模板
4.6 LangChain 表达式语言（LCEL）
4.7 在聊天模型中使用提示词模板
4.8 输出解析器
4.9 LangChain 评估
4.10 OpenAI 函数调用
4.11 并行函数调用
4.12 LangChain 中的函数调用
4.13 使用 LangChain 提取数据
4.14 查询规划
4.15 创建少样本提示词模板
4.16 少样本示例的局限性
4.17 保存和加载 LLM 提示词
4.18 数据连接
4.19 文档加载器
4.20 文本分割器
4.21 按长度和词元数进行文本分割
4.22 采用递归字符分割的文本分块方法
4.23 任务分解
4.24 提示词链
4.25 itemgetter 和提取字典键
4.26 结构化 LCEL 链
4.27 小结
第5章 利用 FAISS 和 Pinecone 构建向量数据库
5.1 RAG
5.2 嵌入技术简介
5.3 文档加载
5.4 使用 FAISS 进行记忆检索
5.5 使用 LangChain 进行 RAG
5.6 使用托管向量数据库 Pinecone
5.7 自查询
5.8 其他检索机制
5.9 小结
第6章 具备记忆和工具的自主智能体
6.1 思维链
6.2 智能体
6.3 推理与行动（ReAct）框架
6.4 将 LLM 作为 API 使用（OpenAI 函数）
6.5 比较 OpenAI 函数和 ReAct 框架
6.6 智能体工具包
6.7 定制标准智能体
6.8 在 LCEL 中创建自定义智能体
6.9 理解和使用记忆
6.10 LangChain 中的记忆
6.11 LangChain 中的其他常用记忆类型
6.12 带记忆的 OpenAI 函数智能体
6.13 高级智能体框架
6.14 回调
6.15 使用 LangChain 计数词元
6.16 小结
第7章 图像生成扩散模型简介
7.1 DALL · E
7.2 Midjourney
7.3 Stable Diffusion
7.4 谷歌的图像生成模型
7.5 文本生成视频
7.6 模型比较
7.7 小结
第8章 Midjourney 图像生成标准实践
8.1 格式修饰词
8.2 艺术风格修饰词
8.3 提示词逆向工程
8.4 质量提升词
8.5 负向提示词
8.6 加权词
8.7 使用图像作为提示词
8.8 图像修补
8.9 图像外扩
8.10 角色一致性
8.11 提示词重写
8.12 模因拆解
8.13 模因映射
8.14 提示词分析
8.15 小结
第9章 使用 Stable Diffusion 进行图像生成的高级技巧
9.1 运行 Stable Diffusion
9.2 AUTOMATIC1111 web UI
9.3 图生图
9.4 放大图像
9.5 CLIP 反推
9.6 SD 图像修补和图像外扩
9.7 ControlNet
9.8 SAM（分割万物模型）
9.9 DreamBooth 微调
9.10 SDXL 精炼模型
9.11 小结
第10章 构建 AI 驱动的应用
10.1 AI 博客写作
10.2 主题调研
10.3 专家访谈
10.4 制定大纲
10.5 生成文本
10.6 写作风格
10.7 优化标题
10.8 AI 博客图片
10.9 用户界面
10.10 小结
作者简介
封面简介
看完了
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
