大模型提示工程:构建大模型应用的科学与艺术

本书是大语言模型提示工程领域的权威指南，由两位行业专家撰写。全书以“LLM本质是文本补全引擎”为核心认知，构建“原理-方法-应用-评估”的完整体系：从Transformer架构、RLHF训练等底层逻辑切，详解提示词设计、工程化组装、输出管控等核心方法，再延伸至对话智能体构建、复杂工作流编排与科学评估体系，融GitHub Copilot等实战案例与工具实操方案，搭建起从理论到练等 的桥，助力读者驾驭LLM构建可靠的应用。
【推荐语】
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。
【作者】
作者 John Berryman是Arcturus Labs创始人，深耕大语言模型应用落地研发。他曾是GitHub Copilot早期核心研发工程师，主导产品对话交互、代码智能补全模块研发。他同时也是搜索领域专家，著有Relevant Search（Manning出版社）一书。  Albert Ziegler是人工智能网络安全公司XBOW人工智能事业部的负责人。作为GitHub Copilot的创始工程师，他主导设计了其模型交互和提示工程系统。 译者 叶志远，阿里云G7架构师，前蚂蚁金服研发工程师，CSDN博客专家，现任G7架构师，负责微服务、APM、容器等技术的落地 国内第一批下海微服务领域的工程师，为Spring Cloud在国内的普及做过大量贡献，在社区具有一定的知名度，Spring Cloud中国社区联合创始人，合著有技术书籍《重新定义Spring Cloud实战》