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學習手冊

  • 作者：(英)梅奧·奧辛//(葡)努諾·坎波斯|責編:劉熾|譯者:黃璐宸//陳超//柴一平
  • 出版社：中國電力
  • ISBN：9787523912348
  • 出版日期：2026/06/01
  • 裝幀：平裝
  • 頁數：303
人民幣：RMB 98 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    如果你希望構建可用於生產環境的AI應用，並且能夠進行推理、以及從外部獲取數據以實現上下文感知，那麼你需要掌握LangChain——一個流行的開發框架和平台，用於構建、運行和管理智能體應用。許多領先企業都在使用LangChain，包括Zapier、Replit、Databricks等。本書是一本不可或缺的資源，特別適合已經掌握Python或JavaScript、但希望深入利用AI能力的初學開發者。
    本書作者通過實用的見解和深入淺出的教程，系統性解析了LangChain的使用方式。本書從基礎概念入手，逐步講解如何構建一個能夠利用你自有數據並且可用於生產環境的AI智能體。
作者介紹
(英)梅奧·奧辛//(葡)努諾·坎波斯|責編:劉熾|譯者:黃璐宸//陳超//柴一平
目錄
前言
第1章  使用LangChain的LLM基礎知識
  1.1  LangChain環境設置指南
  1.2  在LangChain中使用LLM
  1.3  讓LLM提示詞可復用
  1.4  從LLM獲取特定格式的輸出
    1.4.1  JSON輸出
    1.4.2  其他機器可讀格式與輸出解析器
  1.5  組裝LLM應用的諸多組件
    1.5.1  使用Runnable介面
    1.5.2  命令式組合
    1.5.3  聲明式組合
  1.6  總結
第2章  RAG第一部分：為你的數據建立索引
  2.1  目標：為LLM選擇相關上下文
  2.2  嵌入：將文本轉換為數字
    2.2.1  LLM出現之前的嵌入
    2.2.2  基於LLM的嵌入
    2.2.3  語義嵌入詳解
  2.3  將文檔轉換為文本
  2.4  將文本拆分為塊
  2.5  生成文本嵌入
  2.6  在向量資料庫中存儲嵌入
    2.6.1  PGVector環境設置
    2.6.2  使用向量資料庫
  2.7  跟蹤文檔的變更
  2.8  索引優化
    2.8.1  MultiVectorRetriever
    2.8.2  RAPTOR：用於樹狀檢索的遞歸抽象處理
    2.8.3  ColBERT：優化嵌入
  2.9  總結
第3章  RAG第二部分：與你的數據對話
  3.1  RAG簡介
    3.1.1  檢索相關文檔
    3.1.2  使用相關文檔生成LLM預測結果
  3.2  查詢轉換
    3.2.1  Rewrite-Retrieve-Read（重寫-檢索-閱讀）
    3.2.2  多查詢檢索
    3.2.3  RAG-Fusion策略
    3.2.4  假設文檔嵌入（HyDE）
  3.3  查詢路由
    3.3.1  邏輯路由
    3.3.2  語義路由
  3.4  查詢構造
    3.4.1  文本到元數據過濾器（Text-to-Metadata Filter）
    3.4.2  文本到SQL
  3.5  總結
第4章  使用LangGraph為你的聊天機器添加記憶
  4.1  構建聊天機器人的記憶系統
  4.2  LangGraph簡介

  4.3  創建StateGraph
  4.4  為StateGraph添加記憶
  4.5  修改聊天記錄
    4.5.1  截斷消息
    4.5.2  過濾消息
    4.5.3  合併連續消息
  4.6  總結
第5章  使用LangGraph構建認知架構
  5.1  架構1：LLM調用
  5.2  架構2：鏈式架構
  5.3  架構3：路由器架構
  5.4  總結
第6章  智能體架構
  6.1  「計劃-執行」循環
  6.2  構建LangGraph智能體
  6.3  總是先調用工具
  6.4  處理多個工具
  6.5  總結
第7章  智能體Ⅱ
  7.1  反思
  7.2  LangGraph中的子圖
    7.2.1  直接調用子圖
    7.2.2  使用函數調用子圖
  7.3  多智能體架構
  7.4  總結
第8章  充分利用LLM的模式
  8.1  結構化輸出
    8.1.1  中間輸出
    8.1.2  逐詞元流式輸出LLM的結果
    8.1.3  人類參與模式
    8.1.4  多任務LLM
  8.2  總結
第9章  部署：將你的AI應用發布到生產環境
  9.1  前置要求
    9.1.1  安裝依賴
    9.1.2  大語言模型
    9.1.3  向量存儲
    9.1.4  後端API
    9.1.5  創建LangSmith賬戶
  9.2  理解LangGraph平台API
    9.2.1  數據模型
    9.2.2  功能
  9.3  在LangGraph平台上部署你的AI應用
    9.3.1  創建LangGraph API配置
    9.3.2  在本地測試你的LangGraph應用
    9.3.3  從LangSmith UI部署
    9.3.4  啟動LangGraph Studio
  9.4  安全性
  9.5  總結
第10章  測試：評估、監控與持續改進

  10.1  LLM應用開發周期中的測試技術
  10.2  設計階段：自我糾錯式RAG
  10.3  預生產階段
    10.3.1  創建數據集
    10.3.2  定義評估標準
    10.3.3  回歸測試
    10.3.4  評估智能體的端到端性能
  10.4  生產階段
    10.4.1  追蹤
    10.4.2  在生產環境中收集反饋
    10.4.3  分類和標記
    10.4.4  監控與修復錯誤
  10.5  總結
第11章  構建基於LLM的應用
  11.1  互動式聊天機器人
  11.2  與LLM協同編輯
  11.3  環境計算
  11.4  總結

  • 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