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

生成式AI應用開發(基於OpenAI API實現)

  • 作者：編者:陳禎民|責編:趙軍
  • 出版社：清華大學
  • ISBN：9787302679356
  • 出版日期：2025/03/01
  • 裝幀：平裝
  • 頁數：441
人民幣：RMB 118 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    這是一本面向AI開發人員以及對生成式人工智慧技術感興趣的讀者的專業圖書。本書深入探討生成式AI技術的原理與實現，以及如何利用OpenAI API進行高效開發。本書內容包括ChatGPT的原理解析、OpenAI API請求庫的使用、飛書AI機器人的構建、AI編程輔助插件的開發、Hugging Face模型的私有化部署與微調，以及檢索增強技術RAG和Prompt Engineering的優化策略
    書中不僅系統地梳理了生成式AI應用開發的關鍵知識點，還通過豐富的實際代碼案例指導讀者在不同垂直領域實現AI應用的開發。此外，本書還擴展介紹了AI應用的社區生態，幫助讀者將理論知識應用到實踐中，培養獨立開發和優化生成式AI應用的能力。
    本書適合希望深入了解並實踐生成式AI技術的人員，無論是初學者還是有經驗的開發者，都能從中獲得寶貴的知識和啟發。通過閱讀本書，讀者將能夠掌握從理論到實踐的全方位知識，為未來的AI應用開發打下堅實的基礎。
作者介紹
編者:陳禎民|責編:趙軍
    陳禎民，工程師，育前抖音內容安全、Tae AI成員，位元組跳動青訓營講師，掘金簽約作者，著有掘金小冊《SSR實戰：官網開髮指南》《前端自動化測試精講》《Trae入門到實踐：AI編碼的妙筆生花》。
目錄
第1章  緒論
  1.1  AGI的新時代已經到來
  1.2  ChatGPT全景介紹：歷史、原理與API
    1.2.1  GPT模型的基本概念和發展歷程
    1.2.2  GPT為什麼能做到跨領域與人交互
    1.2.3  OpenAI API簡介
  1.3  生成式AI應用的市場前景
  1.4  本書的內容安排
第2章  OpenAI API請求庫
  2.1  OpenAI API
    2.1.1  OpenAI API提供的模型類別
    2.1.2  在瀏覽器端實現文本轉音頻
    2.1.3  在Node.js運行時實現文本轉音頻
    2.1.4  音頻轉文本的實現
  2.2  Chat系列OpenAI API端點
    2.2.1  Chat系列API端點參數及使用
    2.2.2  Chat API的流響應
  2.3  API請求庫
    2.3.1  使用OpenAI請求庫
    2.3.2  實戰：封裝併發布一個大語言模型API的請求庫
    2.3.3  ChatGPT國內可用免費API轉發開源倉庫：GPT-API-free
  2.4  本章小結
第3章  基礎應用：ChatGPT的實現
  3.1  項目初始化和產品功能拆解
    3.1.1  項目初始化
    3.1.2  產品功能拆解
  3.2  ChatGPT靜態交互的實現
    3.2.1  右側ChatGPT對話區域
    3.2.2  左側邊欄區域（Chat信息和API_KEY填寫）
  3.3  ChatGPT可交互功能的補充
    3.3.1  使用llm-request接入OpenAI API
    3.3.2  New Chat事件的綁定
    3.3.3  聊天記錄的緩存
    3.3.4  響應內容的富文本處理（換行、代碼高亮、代碼複製）
    3.3.5  思考題：如何避免在請求中暴露API_KEY
  3.4  創建不同角色類別的聊天
    3.4.1  什麼是System Prompt
    3.4.2  為ChatGPT項目放開System Prompt的填寫
    3.4.3  示例：創建布布熊的虛擬女友一二熊
  3.5  社區功能：跨平台ChatGPT應用—ChatGPT Next Web
    3.5.1  初識ChatGPT Next Web
    3.5.2  使用Vercel把ChatGPT Next Web部署到公網
  3.6  本章小結
第4章  交互應用：集成AI模型功能到飛書機器人
  4.1  創建飛書機器人
    4.1.1  飛書開放平台
    4.1.2  創建一個飛書機器人一二熊
  4.2  飛書機器人的API服務
    4.2.1  飛書機器人API服務的事件訂閱
    4.2.2  開發階段：使用反向代理工具Ngrok對本地服務進行內網穿透

    4.2.3  訂閱message接收事件並響應
    4.2.4  部署上線：使用Vercel Serverless Functions輕服務部署
  4.3  支持一二熊的消息回復
    4.3.1  支持一二熊的單聊回復消息
    4.3.2  支持一二熊在群聊中回復消息
    4.3.3  使用自定義消息卡片配置幫助文檔
  4.4  結合AI實現一二熊的辦公輔助功能
    4.4.1  支持對飛書文檔內容進行總結
    4.4.2  支持向指定人員發送消息通知
    4.4.3  支持向指定群發送消息通知
    4.4.4  支持自動拉群並說明拉群用意
    4.4.5  支持創建任務並自動生成任務摘要
  4.5  本章小結
第5章  VSCode自定義插件
  5.1  AI在代碼輔助領域的實施
    5.1.1  ChatGPT出色的代碼輔助功能
    5.1.2  OpenAI API與IDE插件的結合
  5.2  初識VSCode插件開發
    5.2.1  VSCode插件初始化
    5.2.2  VSCode插件的目錄結構及文件剖析
    5.2.3  VSCode插件的啟動與本地調試
    5.2.4  VSCode插件中單元測試的環境API mock
  5.3  VSCode插件開發常用擴展功能
    5.3.1  插件命令
    5.3.2  菜單項
    5.3.3  插件配置項
    5.3.4  按鍵綁定
    5.3.5  消息通知
    5.3.6  收集用戶輸入
    5.3.7  文件選擇器
    5.3.8  創建進度條
    5.3.9  診斷和快速修復
  5.4  特殊判斷值when子句
    5.4.1  when子句運算符
    5.4.2  when子句內置環境變數
    5.4.3  自定義when子句環境變數
  5.5  VSCode插件支持的工作台空間
    5.5.1  活動欄區域：視圖容器
    5.5.2  側邊欄區域：樹視圖
    5.5.3  狀態欄區域：狀態欄項目
    5.5.4  編輯器組區域：網頁視圖
  5.6  使用React開發Webview
    5.6.1  Webview的React開發配置
    5.6.2  Webview和Extension的相互通信
    5.6.3  Webview的開發者調試
  5.7  VSCode插件的聯動與發布
    5.7.1  擴展依賴插件
    5.7.2  VSCode插件的發布
  5.8  本章小結
第6章  編程應用：AI編碼輔助插件

  6.1  在VSCode插件中實現ChatGPT
    6.1.1  項目初始化
    6.1.2  插件功能剖析
    6.1.3  插件功能配置項註冊
    6.1.4  任務欄註冊
    6.1.5  緩存首頁的實現
    6.1.6  聊天頁面的實現
  6.2  代碼語言轉換工具
    6.2.1  插件功能剖析
    6.2.2  插件功能配置項註冊
    6.2.3  支持全文件語言轉換
    6.2.4  支持對全文件語言轉換結果的追問
    6.2.5  支持局部代碼語言轉換
  6.3  代碼審查工具
    6.3.1  插件功能剖析
    6.3.2  插件功能的配置項註冊
    6.3.3  支持單文件粒度代碼AI診斷
    6.3.4  人工的診斷行列匹配
    6.3.5  支持對問題代碼的AI快速修復
    6.3.6  支持狀態欄狀態顯示
  6.4  本章小結
第7章  Hugging Face開源模型的私有化部署和微調
  7.1  模型私有化部署
    7.1.1  什麼是模型私有化部署
    7.1.2  使用Anaconda管理Python環境
    7.1.3  私有化部署ChatGLM3-6B模型
    7.1.4  ChatGLM3-6B模型的低成本部署
  7.2  模型微調
    7.2.1  什麼是模型微調
    7.2.2  對ChatGLM3-6B模型進行單機單卡P-Tuning
  7.3  開源AI社區Hugging Face
    7.3.1  什麼是Hugging Face
    7.3.2  機器學習庫Transformers
  7.4  本章小結
第8章  檢索增強生成技術：向量化與大模型的結合
  8.1  檢索增強生成技術介紹
    8.1.1  訓練模型是一個高成本的過程
    8.1.2  檢索增強生成技術：低成本信息穿透的實現
  8.2  文本向量化
    8.2.1  什麼是文本向量化
    8.2.2  OpenAI提供的文本向量化功能
    8.2.3  私有化部署Hugging Face向量化模型
  8.3  向量資料庫Chroma
    8.3.1  什麼是向量資料庫Chroma
    8.3.2  文本向量化及相似度匹配的示例
    8.3.3  集合API
    8.3.4  相似度距離計算方法
    8.3.5  embeddings向量化函數
  8.4  實戰：為ChatGPT提供知識庫功能
    8.4.1  知識庫整體功能剖析

    8.4.2  支持文件上傳至知識庫
    8.4.3  支持包含相似搜索的詢問模式
  8.5  本章小結
第9章  提示詞工程與LLM社區生態
  9.1  提示詞工程
    9.1.1  英文組織提示詞
    9.1.2  明確輸入和輸出
    9.1.3  輔助推理鍵
    9.1.4  特殊或生僻場景提供示例
    9.1.5  分治法：減小模型介入問題的粒度
    9.1.6  結構化組織提示詞
  9.2  國內Chat大模型
    9.2.1  文心一言
    9.2.2  通義千問
    9.2.3  豆包
    9.2.4  元寶
    9.2.5  Kimi
  9.3  AI應用搭建平台Coze
    9.3.1  什麼是Coze
    9.3.2  基礎使用
    9.3.3  高階功能
    9.3.4  Coze應用的API調用
  9.4  本章小結

  • 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