目錄
推薦序一　學(xué)習(xí)成為善用AI的人 | 寶玉 xi
推薦序二　開(kāi)啟一段有趣、有啟發(fā)、有收獲的冒險(xiǎn)旅程 | 張路宇 xv
推薦序三　人人都要學(xué)會(huì)和AI相處 | 孫志崗 xvii
推薦序四　AI工程師：從智能革命的探索者到智能體時(shí)代的
締造者 | 鄧范鑫 xix
推薦序五　未來(lái)正在生成中 | 梁宇鵬 xxi
推薦序六　AGI：不要旁觀，要真正參與 | 羅云 xxiii
推薦序七　AI是人類能力的指數(shù)級(jí)放大器 | 宜博 xxv
譯者序　沒(méi)有誰(shuí)天生就是AI工程師 | 何文斯 xxvii
前言 xxxi
排版約定 xxviii
使用代碼示例 xxix
OReilly在線學(xué)習(xí)平臺(tái)（OReilly Online Learning） xxix
聯(lián)系我們 xxix
致謝 xxx
電子書(shū) xxxi
第 1章　初識(shí)GPT-4和ChatGPT 1
1.1　LLM概述 1
1.1.1　探索語(yǔ)言模型和NLP的基礎(chǔ) 2
1.1.2　理解Transformer架構(gòu)及其在LLM中的作用 5
1.1.3　解密GPT模型的詞元化和預(yù)測(cè)步驟 7
1.1.4　將視覺(jué)整合到LLM中 9
1.2　GPT模型簡(jiǎn)史：從GPT-1到GPT-4 11
1.2.1　GPT-1 11
1.2.2　GPT-2 12
1.2.3　GPT-3 12
1.2.4　從GPT-3到InstructGPT 13
1.2.5　GPT-3.5、ChatGPT和Codex 16
1.2.6　GPT-4 17
1.2.7　人工智能向多模態(tài)演進(jìn) 20
1.3　LLM用例和示例產(chǎn)品 22
1.3.1　Be My Eyes 22
1.3.2　摩根士丹利 22
1.3.3　可汗學(xué)院 23
1.3.4　多鄰國(guó) 23
1.3.5　Yabble 24
1.3.6　Waymark 24
1.3.7　Inworld AI 25
1.4　警惕AI幻覺(jué)：限制與注意事項(xiàng) 25
1.5　借助高級(jí)功能釋放GPT潛力 28
1.6　小結(jié) 31
第 2章　深入了解OpenAI API 33
2.1　基本概念 34
2.2　OpenAI API中可用的模型 35
2.2.1　GPT Base 35
2.2.2　InstructGPT（遺留版） 35
2.2.3　GPT-3.5 36
2.2.4　GPT-4 37
2.3　在OpenAI Playground中使用GPT模型 37
2.4　入門(mén)：OpenAI Python庫(kù) 41
2.4.1　OpenAI服務(wù)訪問(wèn)與API密鑰 42
2.4.2　Hello World 44
2.5　使用聊天補(bǔ)全模型 46
2.5.1　聊天補(bǔ)全端點(diǎn)的輸入選項(xiàng) 47
2.5.2　調(diào)整temperature和top_p 50
2.5.3　聊天補(bǔ)全端點(diǎn)的輸出結(jié)果格式 53
2.5.4　視覺(jué)能力 54
2.5.5　請(qǐng)求JSON輸出 58
2.6　使用其他文本補(bǔ)全模型 62
2.6.1　文本補(bǔ)全端點(diǎn)的輸入選項(xiàng) 63
2.6.2　文本補(bǔ)全端點(diǎn)的輸出結(jié)果格式 64
2.7　注意事項(xiàng) 64
2.7.1　定價(jià)和詞元限制 64
2.7.2　安全與隱私：小心！ 65
2.8　其他OpenAI API和功能 65
2.8.1　嵌入 66
2.8.2　審核 69
2.8.3　文本轉(zhuǎn)語(yǔ)音 72
2.8.4　語(yǔ)音轉(zhuǎn)文本 74
2.8.5　圖像 API 78
2.9　小結(jié)（含速查清單） 88
第3章　構(gòu)建基于LLM的應(yīng)用程序：功能與挑戰(zhàn) 91
3.1　應(yīng)用程序開(kāi)發(fā)概述 91
3.1.1　API密鑰管理 92
3.1.2　安全與數(shù)據(jù)隱私 94
3.2　軟件架構(gòu)設(shè)計(jì)原則 94
3.3　將LLM能力集成到你的項(xiàng)目中 95
3.3.1　對(duì)話能力 95
3.3.2　語(yǔ)言處理能力 96
3.3.3　人機(jī)交互能力 98
3.3.4　結(jié)合能力 99
3.4　示例項(xiàng)目 99
3.4.1　項(xiàng)目1：構(gòu)建新聞生成器解決方案語(yǔ)言處理 100
3.4.2　項(xiàng)目2：總結(jié)YouTube視頻語(yǔ)言處理 102
3.4.3　項(xiàng)目3：打造《塞爾達(dá)傳說(shuō)：曠野之息》專家
語(yǔ)言處理與對(duì)話 107
3.4.4　項(xiàng)目4：創(chuàng)建個(gè)人助理人機(jī)界面 114
3.4.5　項(xiàng)目5：組織文檔語(yǔ)言處理 121
3.4.6　項(xiàng)目6：情感分析語(yǔ)言處理 122
3.5　成本管理 129
3.6　基于LLM的應(yīng)用程序的漏洞 131
3.6.1　分析輸入和輸出 132
3.6.2　提示詞注入的不可避免性 133
3.7　合理使用外部API 133
3.7.1　處理錯(cuò)誤和意外延遲問(wèn)題 134
3.7.2　速率限制 135
3.7.3　提高響應(yīng)能力，改善用戶體驗(yàn) 135
3.8　小結(jié) 139
第4章　OpenAI高級(jí)LLM集成策略 141
4.1　提示工程 141
4.1.1　利用角色、上下文和任務(wù)設(shè)計(jì)有效的提示詞 142
4.1.2　逐步思考 148
4.1.3　實(shí)現(xiàn)少樣本學(xué)習(xí) 150
4.1.4　基于用戶反饋的迭代優(yōu)化 152
4.1.5　改善提示效果 158
4.2　微調(diào) 161
4.2.1　入門(mén) 161
4.2.2　使用OpenAI API進(jìn)行微調(diào) 164
4.2.3　使用OpenAI的Web界面進(jìn)行微調(diào) 168
4.2.4　微調(diào)應(yīng)用程序 170
4.2.5　為電子郵件營(yíng)銷活動(dòng)生成和微調(diào)合成數(shù)據(jù) 172
4.2.6　微調(diào)的成本 180
4.3　RAG 180
4.3.1　基礎(chǔ)RAG 180
4.3.2　高級(jí)RAG 181
4.3.3　RAG的局限 187
4.4　策略選擇 187
4.4.1　策略比較 188
4.4.2　評(píng)估 190
4.5　從普通應(yīng)用程序到基于LLM的解決方案 191
4.5.1　提示詞敏感性 191
4.5.2　非確定性 192
4.5.3　幻覺(jué) 193
4.6　小結(jié) 194
第5章　通過(guò)框架、插件等提升LLM的能力 197
5.1　LangChain框架 197
5.1.1　LangChain庫(kù) 199
5.1.2　動(dòng)態(tài)提示詞 200
5.1.3　智能體和工具 201
5.1.4　記憶 205
5.1.5　嵌入 206
5.2　LlamaIndex框架 210
5.2.1　演示：10行代碼實(shí)現(xiàn)RAG 210
5.2.2　LlamaIndex原則 211
5.2.3　定制化 212
5.3　GPT-4 插件 214
5.3.1　概述 216
5.3.2　API 216
5.3.3　插件清單 218
5.3.4　OpenAPI規(guī)范 219
5.3.5　描述 220
5.4　GPTs 221
5.5　Assistants API 227
5.5.1　創(chuàng)建Assistants API 228
5.5.2　利用你的Assistants API管理對(duì)話 230
5.5.3　函數(shù)調(diào)用 234
5.5.4　OpenAI Web平臺(tái)上的助手 238
5.6　小結(jié) 241
第6章　綜合運(yùn)用 243
6.1　關(guān)鍵要點(diǎn) 243
6.2　綜合運(yùn)用：助手用例 245
6.2.1　第 一步：構(gòu)思 245
6.2.2　第二步：定義需求 246
6.2.3　第三步：構(gòu)建原型 247
6.2.4　第四步：改進(jìn)、迭代 247
6.2.5　第五步：使解決方案更健壯 248
6.3　經(jīng)驗(yàn)教訓(xùn) 250
關(guān)鍵術(shù)語(yǔ)表 251
工具、庫(kù)和框架 259
作者簡(jiǎn)介 263
封面簡(jiǎn)介 264