想做好大模型应用，却只会简单写提示词？这本由GitHub Copilot（史上最成功的商业生成式AI产品之一）核心缔造者联合撰写的书将带你跳出浅层使用，真正吃透提示工程的科学逻辑。本书从大模型文本补全、词元机制、Transformer架构讲起，逐层拆解RLHF、对话模型、ChatML等核心内容，系统讲解提示词撰写、片段组装、上下文优化、RAG检索等关键技术。同时结合大量案例，手把手教你搭建对话智能体、编排复杂工作流，还分享离线与在线评估方案。无论是AI发工程师、算法从业者，还是提示词设计师，都能从中学习专业的工程化思路，规避模型幻觉、输出异常等问题，造稳定、高效的生产级大模型应用。
售 价：¥
纸质售价：¥64.30购买纸书
6.7
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
O'Reilly Media, Inc.介绍
译者序
前言
第1篇 基础篇
第1章 提示工程导论
1.1 大语言模型的魔法
1.2 语言模型的演进
1.3 提示工程
1.4 本章小结
第2章 理解大语言模型
2.1 大语言模型的本质
2.2 大语言模型视角下的认知差异
2.3 词元生成机制
2.4 温度与概率分布
2.5 Transformer架构
2.6 本章小结
第3章 从文本补全模型到对话模型
3.1 RLHF
3.2 交互形态演进
3.3 API生态演进
3.4 提示工程的剧本创作观
3.5 本章小结
第4章 大语言模型应用设计
4.1 循环结构剖析
4.2 前馈传递过程
4.3 质量评估体系
4.4 本章小结
第2篇 技术篇
第5章 提示词内容设计
5.1 内容来源
5.2 静态内容
5.3 动态内容
5.4 本章小结
第6章 提示词工程化组装
6.1 理想提示词构成要素
6.2 文档类型适配与优化选择
6.3 文本处理与格式化规范
6.4 弹性文本片段
6.5 提示词元素关联性
6.6 整合提示词元素
6.7 本章小结
第7章 驾驭大语言模型
7.1 输出格式精准管控
7.2 Logprobs深度应用
7.3 模型选型
7.4 本章小结
第3篇 高级篇
第8章 对话智能体
8.1 工具使用
8.2 推理能力
8.3 基于任务的交互上下文
8.4 构建对话智能体
8.5 本章小结
第9章 大语言模型应用工作流
9.1 对话智能体的瓶颈
9.2 基本工作流构建
9.3 高级工作流创新
9.4 本章小结
第10章 大语言模型应用评估
10.1 评估对象
10.2 离线评估
10.3 在线评估
10.4 本章小结
第11章 展望大语言模型的未来
11.1 多模态融合
11.2 本章小结
关于作者
封面简介
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
