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大模型應用開發從入門到實踐

  • 作者：編者:周濤//薛棟//顏鑫|責編:魏瑩
  • 出版社：清華大學
  • ISBN：9787302712084
  • 出版日期：2026/05/01
  • 裝幀：平裝
  • 頁數：363
人民幣：RMB 99 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書深入講解了LangChain大模型應用開發與實戰的核心知識。本書共10章，分別介紹了LangChain與大型語言模型、第一個LangChain程序、模型I/O與數據增強、輸出解析器、檢索增強生成、Composition（組合）、操作國產大模型、基於《哈利·波特》系列圖書內容的問答系統、基於RAG的法律法規解析系統、基於本地知識庫的自動問答系統。本書內容簡潔且不失技術深度，豐富全面且易於閱讀，用簡潔的文字闡述複雜案例，便於讀者學習和理解。
    本書適合已經掌握Python語言基礎語法的讀者，對於希望進一步學習大模型開發、自然語言處理、機器學習、深度學習等技術的讀者尤為適宜。同時，本書也可作為高等院校相關專業的教材和培訓機構的專業教材。
作者介紹
編者:周濤//薛棟//顏鑫|責編:魏瑩
目錄
第1章  LangChain與大型語言模型
  1.1  LangChain與大型語言模型
    1.1.1  LangChain的基本概念與原理
    1.1.2  大型語言模型介紹
    1.1.3  LangChain在大型語言模型應用中的作用
  1.2  LangChain入門指南
    1.2.1  安裝LangChain
    1.2.2  LangChain框架的組成
第2章  第一個LangChain程序
  2.1  LangChain開發流程介紹
  2.2  使用LangChain構建應用程序
    2.2.1  LLM鏈
    2.2.2  檢索鏈
    2.2.3  對話檢索鏈
    2.2.4  實現Agent代理
    2.2.5  LangServe服務
  2.3  第一個LangChain程序：問答系統
    2.3.1  環境準備
    2.3.2  文件分割
    2.3.3  為中文構建嵌入向量
    2.3.4  數據檢索
    2.3.5  構建模型和變換器管道
    2.3.6  構建提示
    2.3.7  構建管道
    2.3.8  添加上下文壓縮
    2.3.9  問答系統
  2.4  訪問OpenAI實踐
    2.4.1  獲得OpenAI反饋
    2.4.2  設置模型
    2.4.3  引入LangChain
    2.4.4  LangChain聊天模型
第3章  模型I/O與數據增強
  3.1  模型I/O基礎
    3.1.1  模型I/O模塊介紹
    3.1.2  字元串提示模板
    3.1.3  聊天模板
    3.1.4  特殊模板類型
    3.1.5  LangChain表達式語言（LCEL）
  3.2  示例選擇器
    3.2.1  創建示例選擇器
    3.2.2  Length示例選擇器
    3.2.3  Similarity示例選擇器
    3.2.4  最大邊際相關性示例選擇器
    3.2.5  Ngram示例選擇器
  3.3  聊天提示模板
    3.3.1  BaseChatPromptTemplate介紹
    3.3.2  少量示例提示詞模板
    3.3.3  部分提示模板
    3.3.4  模板的組合
  3.4  聊天模型

    3.4.1  消息類型
    3.4.2  函數調用
    3.4.3  緩存
    3.4.4  創建自定義的聊天模型
    3.4.5  對數概率
    3.4.6  流式處理
  3.5  使用大型語言模型
    3.5.1  大型語言模型介紹
    3.5.2  創建自定義LLM包裝器
    3.5.3  LLM緩存層
第4章  輸出解析器
  4.1  輸出解析器介紹
  4.2  CSV解析器
  4.3  日期時間解析器
  4.4  枚舉解析器
  4.5  JSON解析器
  4.6  OpenAI函數解析器
  4.7  修正解析器
  4.8  Pandas DataFrame解析器
  4.9  XML解析器
第5章  檢索增強生成
  5.1  RAG介紹
  5.2  文檔載入器
    5.2.1  載入數據的方法
    5.2.2  自定義文檔載入器
    5.2.3  CSV載入器
    5.2.4  目錄載入器
    5.2.5  HTML載入器
    5.2.6  JSON載入器
    5.2.7  Markdown載入器
    5.2.8  Office載入器
    5.2.9  PDF文檔載入器
  5.3  文本分割器
    5.3.1  文本分割器介紹
    5.3.2  遞歸文本分割器
    5.3.3  HTML標題文本分割器
    5.3.4  CharacterTextSplitter文本分割器
    5.3.5  分割編程語言代碼
    5.3.6  Markdown文本分割器
    5.3.7  JSON文本分割器
    5.3.8  語義相似性分割器
  5.4  文本嵌入模型
    5.4.1  文本嵌入模型介紹
    5.4.2  Embeddings類
    5.4.3  嵌入緩存
  5.5  向量存儲
    5.5.1  向量存儲介紹
    5.5.2  LangChain中的向量存儲
  5.6  檢索器
    5.6.1  LangChain中的檢索器

    5.6.2  基於向量存儲的檢索器
    5.6.3  多查詢檢索器
    5.6.4  上下文壓縮
    5.6.5  自定義檢索器
    5.6.6  集成檢索器
    5.6.7  長文本檢索器
    5.6.8  多向量檢索器
    5.6.9  父文檔檢索器
    5.6.10  自查詢檢索器
    5.6.11  時間加權向量存儲檢索器
  5.7  索引
    5.7.1  索引介紹
    5.7.2  基於Apify的爬蟲向量索引查詢系統
第6章  Composition（組合）
  6.1  Composition（組合）介紹
  6.2  Tools（工具）
    6.2.1  創建自定義工具
    6.2.2  將工具轉換為OpenAI函數
  6.3  Agents（智能代理）
    6.3.1  Agents介紹
    6.3.2  創建並使用Agents
  6.4  代理類型
    6.4.1  Tool Calling Agent（工具調用代理）
    6.4.2  OpenAI Tools代理
    6.4.3  XML Agent（XML代理）
    6.4.4  JSON Chat Agent
    6.4.5  Structured Chat Agent（結構化聊天代理）
    6.4.6  ReAct代理
    6.4.7  自問答結合搜索（Self-ask with search）代理
  6.5  Agent代理操作實踐
    6.5.1  自定義代理
    6.5.2  流式傳輸
    6.5.3  運行代理作為迭代器
    6.5.4  返回結構化輸出
第7章  操作國產大模型
  7.1  國產大模型介紹
  7.2  國產大模型實踐
    7.2.1  LangChain與ChatGLM實踐
    7.2.2  LangChain與百度千帆大模型實踐
  7.3  基於ChatGLM3大模型的聊天系統
    7.3.1  下載大模型
    7.3.2  數據處理
    7.3.3  微調預模型
    7.3.4  模型推理
    7.3.5  對話調用的準備工作
    7.3.6  實現對話
第8章  基於《哈利·波特》系列圖書內容的問答系統
  8.1  項目介紹
  8.2  大型語言模型
  8.3  準備環境

  8.4  語言模型的集成與優化
    8.4.1  參數配置
    8.4.2  載入、配置和評估LLM
    8.4.3  pipeline處理
  8.5  基於LangChain的多文檔檢索器
    8.5.1  載入文檔
    8.5.2  文本分割
    8.5.3  創建嵌入
    8.5.4  載入向量資料庫
    8.5.5  Prompt Template（提示模板）
    8.5.6  Retriever Chain（檢索鏈）
    8.5.7  格式化輸出
  8.6  系統測試
    8.6.1  基於llama2-13b-chat模型的問答
    8.6.2  創建聊天界面UI
第9章  基於RAG的法律法規解析系統
  9.1  背景介紹
  9.2  項目介紹
    9.2.1  實現流程
    9.2.2  核心技術
    9.2.3  準備環境
  9.3  準備模型
    9.3.1  配置和載入大型語言模型
    9.3.2  載入預訓練的模型及其分詞器
    9.3.3  創建pipeline
    9.3.4  測試模型
  9.4  構建歐盟人工智慧法案問題的RAG
    9.4.1  封裝預先配置的查詢管道
    9.4.2  分割法規文檔
    9.4.3  創建RAG並測試
第10章  基於本地知識庫的自動問答系統
  10.1  背景介紹
  10.2  項目介紹
    10.2.1  實現流程
    10.2.2  核心技術棧
    10.2.3  模塊結構
  10.3  具體實現
    10.3.1  系統配置
    10.3.2  文本拆分
    10.3.3  載入和使用大型語言模型
    10.3.4  構建和部署對話系統
    10.3.5  實現Web端的問答系統
  10.4  基於ModelScope的ChatGLM對話系統
    10.4.1  基於ChatGLM-6B模型的語言生成器
    10.4.2  嵌入模型包裝類
    10.4.3  基於Gradio Web的問答系統
  10.5  基於飛槳AIStudio的ChatGLM對話系統
    10.5.1  基於PaddleNLP的聊天語言模型
    10.5.2  PaddleNLP嵌入包裝
    10.5.3  基於命令行的對話程序

    10.5.4  基於Gradio Web的問答系統
  10.6  技術支持

  • 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