幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

LangChain實戰(從原型到生產動手打造LLM應用)

  • 作者：編者:張海立//曹士圯//郭祖龍|責編:孫學瑛
  • 出版社：電子工業
  • ISBN：9787121475450
  • 出版日期：2024/04/01
  • 裝幀：平裝
  • 頁數：246
人民幣：RMB 89 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書是專為初學者和對LangChain應用及大語言模型（LLM）應用感興趣的開發者而編寫的。本書以LangChain團隊于2024年1月發布的長期維護版本0.1為基礎，重點介紹了多個核心應用場景，並且深入探討了LCEL的應用方式。同時，本書圍繞LangChain生態系統的概念，詳細探討LangChain、LangServe和LangSmith，幫助讀者全面了解LangChain團隊在生成式人工智慧領域的布局。此外，本書還介紹了開源模型運行工具，為讀者引入本地免費的實驗環境，讓讀者能夠親自動手進行實際操作。
    通過本書，讀者可以真正體驗到LangChain在從原型到生產的LLM應用開發和上線閉環體驗方面的優勢，全面了解LangChain的概念、原理和應用，並且獲得實際開發LangChain應用的經驗。本書示例豐富，內容通俗易懂，既可作入門教程，也可供相關技術人員參考。
作者介紹
編者:張海立//曹士圯//郭祖龍|責編:孫學瑛
目錄
第1章  LangChain生態系統概覽
  1.1  LangChain生態系統的布局
    1.1.1  LangChain軟體包的組織方式
    1.1.2  LangChain核心功能模塊概覽
  1.2  從Chat LangChain應用看生態實踐
    1.2.1  讀取和載入私域數據
    1.2.2  數據預處理及存儲
    1.2.3  基於用戶問題的數據檢索
    1.2.4  基於檢索內容的應答生成
    1.2.5  提供附帶中間結果的流式輸出
    1.2.6  推理鏈的服務化和應用化
    1.2.7  追逐生產環境的調研鏈和指標
第2章  環境準備
  2.1  在VS Code中開啟並使用Jupyter Notebook
  2.2  通過python-dotenv隱式載入環境變數
  2.3  使用Ollama載入大語言模型
第3章  角色扮演寫作實戰
  3.1  場景代碼示例
  3.2  場景代碼解析
  3.3  Model I/O三元組
    3.3.1  Prompt模塊
    3.3.2  Model模塊
    3.3.3  Output Parser模塊
  3.4  LCEL語法解析：基礎語法和介面
    3.4.1  Runnable對象的標準介面
    3.4.2  Runnable對象的輸入和輸出
    3.4.3  Runnable對象的動態參數綁定
    3.4.4  審查鏈路結構和提示詞
  3.5  Runnable Sequence的基座：Model I/O三元組對象
第4章  多媒體資源的摘要實戰
  4.1  場景代碼示例
  4.2  場景代碼解析
  4.3  Document的載入與處理
    4.3.1  文檔載入器
    4.3.2  文檔轉換器
    4.3.3  文本分割器
  4.4  3種核心文檔處理策略
    4.4.1  Stuff策略：直接合併
    4.4.2  MapReduce策略：分而治之
    4.4.3  Refine策略：循序迭代
  4.5  LCEL語法解析：RunnableLambda和RunnableMap
    4.5.1  RunnableLambda
    4.5.2  RunnableMap
第5章  面向文檔的對話機器人實戰
  5.1  場景代碼示例
  5.2  場景代碼解析
  5.3  RAG簡介
    5.3.1  什麼是RAG
    5.3.2  RAG的工作原理
  5.4  LangChain中的RAG實現

  5.5  Retriever模塊的實用演算法概覽
    5.5.1  檢索器融合
    5.5.2  上下文壓縮
    5.5.3  自組織查詢
    5.5.4  時間戳權重
    5.5.5  父文檔回溯
    5.5.6  多維度回溯
    5.5.7  多角度查詢
  5.6  IndexingAPI簡介
    5.6.1  刪除模式
    5.6.2  使用場景和方式
  5.7  Chain模塊和Memory模塊
    5.7.1  通過Retrieval QA Chain實現文檔問答
    5.7.2  通過Conversational Retrieval QA Chain實現會話文檔問答
    5.7.3  通過Memory模塊為對話過程保駕護航
  5.8  長上下文記憶系統的構建
    5.8.1  會話記憶系統
    5.8.2  語義記憶系統
    5.8.3  生成式Agent系統
    5.8.4  長上下文記憶系統的構建要點
  5.9  LCEL語法解析：Runnable Passthrough
  5.10  Runnable Sequence的數據連接：Retriever對象
第6章  自然語言交流的搜索引擎實戰
  6.1  場景代碼示例
  6.2  場景代碼解析
  6.3  Agent簡介
    6.3.1  Agent和Chain的區別
    6.3.2  Agent的思考鏈
  6.4  Agent的工具箱
  6.5  面向OpenAI的Agent實現
  6.6  Callback回調系統簡介
  6.7  Callback和verbose的關係
  6.8  LCEL語法解析：RunnableBranch和鏈路異常回退機制
    6.8.1  RunnableBranch
    6.8.2  鏈路異常回退機制
  6.9  Runnable Sequence的擴展：外部工具的接入
  6.10  LangGraph：以圖的方式構建Agent
第7章  快速構建互動式LangChain應用原型
  7.1  Streamlit及免費雲服務「全家桶」
    7.1.1  環境準備
    7.1.2  極簡開發
    7.1.3  實時交互
    7.1.4  雲上部署
  7.2  使用Chainlit快速構建互動式文檔對話機器人
    7.2.1  環境準備
    7.2.2  簡單示例
    7.2.3  互動式文檔對話機器人
第8章  使用生態工具加速LangChain應用開發
  8.1  LangSmith：全面監控LangChain應用
    8.1.1  追蹤LangChain應用

    8.1.2  數據集與評估
    8.1.3  LangChainHub
  8.2  LangServe：將LangChain應用部署至Web API
    8.2.1  快速開始
    8.2.2  原理詳解
  8.3  Templates＆CLI：從模板和腳手架快速啟動
    8.3.1  LangChain Templates
    8.3.2  LangChain CLI命令行工具
    8.3.3  優化升級
第9章  我們的「大世界」
  9.1  大語言模型應用開發框架的「你我他」
    9.1.1  三大框架的簡介
    9.1.2  三大框架的特性
    9.1.3  三大框架的對比
  9.2  從LangChainHub看提示詞的豐富應用場景
    9.2.1  場景寫作
    9.2.2  信息總結
    9.2.3  信息提取
    9.2.4  代碼分析和評審
    9.2.5  提示優化
    9.2.6  RAG
    9.2.7  自然語言SQL查詢
    9.2.8  評價打分
    9.2.9  合成數據生成
    9.2.10  思考鏈
  9.3  淺談通用人工智慧的認知架構的發展

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032