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

大模型提示工程(構建大模型應用的科學與藝術)

  • 作者：(美)約翰·貝里曼//(德)阿爾伯特·齊格勒|責編:王春華|譯者:葉志遠//王剛
  • 出版社：機械工業
  • ISBN：9787111810117
  • 出版日期：2026/06/01
  • 裝幀：平裝
  • 頁數：222
人民幣：RMB 89 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    大語言模型（LLM）正在重塑全球產業生態，依托LLM搭建的新型應用正落地各行各業，有望推動任務自動化、破解各類複雜業務難題。但想要穩定、高效釋放大模型真實效能，提示工程是必不可少的技能。
    本書由GitHub Copilot初代創始工程師聯手撰寫，全方位拆解提示工程的底層原理與落地實操技法，詳細講解與大模型高效對話、把業務思路轉化為模型可讀指令的完整方法論。從基礎理論到一線實戰案例層層遞進，幫讀者夯實技術功底，具備自研下一代LLM落地應用的綜合能力。
作者介紹
(美)約翰·貝里曼//(德)阿爾伯特·齊格勒|責編:王春華|譯者:葉志遠//王剛
目錄
前言
第1篇  基礎篇
  第1章  提示工程導論
    1.1  大語言模型的魔法
    1.2  語言模型的演進
      1.2.1  早期語言模型
      1.2.2  GPT模型的崛起
    1.3  提示工程
    1.4  本章小結
  第2章  理解大語言模型
    2.1  大語言模型的本質
      2.1.1  文本補全
      2.1.2  與人類思維的本質差異
      2.1.3  關鍵挑戰
    2.2  大語言模型視角下的認知差異
      2.2.1  差異一：確定性分詞
      2.2.2  差異二：逐字檢查的局限
      2.2.3  差異三：文本認知特性
      2.2.4  詞元數量
    2.3  詞元生成機制
      2.3.1  自回歸模型
      2.3.2  模式固化
    2.4  溫度與概率分佈
    2.5  Transformer架構
    2.6  本章小結
  第3章  從文本補全模型到對話模型
    3.1  RLHF
      3.1.1  訓練RLHF模型
      3.1.2  誠實性保障
      3.1.3  個體偏差規避
      3.1.4  RLHF成本收益分析
      3.1.5  對齊稅現象
    3.2  交互形態演進
      3.2.1  指令模型
      3.2.2  對話模型
    3.3  API生態演進
      3.3.1  對話補全API
      3.3.2  對話模式與文本補全模式的比較
      3.3.3  能力延伸
    3.4  提示工程的劇本創作觀
    3.5  本章小結
  第4章  大語言模型應用設計
    4.1  循環結構剖析
      4.1.1  用戶問題域特徵
      4.1.2  用戶問題轉化提示詞
      4.1.3  響應優化策略
      4.1.4  價值落地
    4.2  前饋傳遞過程
      4.2.1  前饋傳遞過程的構建
      4.2.2  循環機制的複雜性

    4.3  質量評估體系
      4.3.1  離線評估
      4.3.2  在線評估
    4.4  本章小結
第2篇  技術篇
  第5章  提示詞內容設計
    5.1  內容來源
    5.2  靜態內容
      5.2.1  問題的明確性
      5.2.2  少樣本提示
    5.3  動態內容
      5.3.1  上下文識別
      5.3.2  RAG技術
      5.3.3  摘要技術
    5.4  本章小結
  第6章  提示詞工程化組裝
    6.1  理想提示詞構成要素
    6.2  文檔類型適配與優化選擇
      6.2.1  咨詢對話型
      6.2.2  分析報告型
      6.2.3  結構化文檔
    6.3  文本處理與格式化規範
      6.3.1  獨立性
      6.3.2  少樣本示例格式化方法
    6.4  彈性文本片段
    6.5  提示詞元素關聯性
      6.5.1  位置與順序
      6.5.2  內容重要性
      6.5.3  依賴關係
    6.6  整合提示詞元素
    6.7  本章小結
  第7章  駕馭大語言模型
    7.1  輸出格式精準管控
      7.1.1  引言
      7.1.2  起止邊界識別
      7.1.3  小結
    7.2  Logprobs深度應用
      7.2.1  質量評估
      7.2.2  分類任務優化
      7.2.3  提示詞異常檢測
    7.3  模型選型
    7.4  本章小結
第3篇  高級篇
  第8章  對話智能體
    8.1  工具使用
      8.1.1  微調訓練工具的使用
      8.1.2  工具定義指南
    8.2  推理能力
      8.2.1  思維鏈推理
      8.2.2  ReAct：迭代式推理與行動

      8.2.3  超越ReAct
    8.3  基於任務的交互上下文
      8.3.1  上下文信息的來源
      8.3.2  上下文的選擇與編排
    8.4  構建對話智能體
      8.4.1  對話管理
      8.4.2  用戶體驗
    8.5  本章小結
  第9章  大語言模型應用工作流
    9.1  對話智能體的瓶頸
    9.2  基本工作流構建
      9.2.1  任務設計
      9.2.2  工作流編排
      9.2.3  落地與優化
    9.3  高級工作流創新
      9.3.1  智能體主導編排
      9.3.2  有狀態任務智能體
      9.3.3  角色化委派
    9.4  本章小結
  第10章  大語言模型應用評估
    10.1  評估對象
    10.2  離線評估
      10.2.1  示例測試套件
      10.2.2  尋找測試示例
      10.2.3  解決方案評估
      10.2.4  SOMA評估
    10.3  在線評估
      10.3.1  A/B測試
      10.3.2  評估指標
    10.4  本章小結
  第11章  展望大語言模型的未來
    11.1  多模態融合
      11.1.1  交互範式升級
      11.1.2  智能能級躍升
    11.2  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