最新章節

• 6.2 節
• 5.3 節
• 5.2 節
• 5.1 節
• 4.5 節
• 4.4 節

• 6.2 節 更新時間：2025-05-07 12:21:52
• 5.3 節
• 5.2 節
• 5.1 節
• 4.5 節
• 4.4 節
• 4.3 節
• 4.2 節
• 4.1 節
• 3.7 節
• 3.6 節
• 3.5 節
• 3.4 節
• 3.1 節
• 2.8 節
• 2.7 節
• 2.5 節
• 2.4 節
• 2.2 節
• 第2章
• 1.4 節
• 1.3 節
• 1.2 節
• 1.1 節
• 前言
• 鏈接資源
• B.2 結語
• B.1.3 本地部署方案
• B.1.2 多家MaaS供應商集成
• B.1.1 DeepSeek官方API接入
• B.1 三重集成方案
• 附錄B DeepSeek-R1在Dify的集成方案
• A.4.2 如何修改Ollama的服務地址和端口號
• A.4.1 Docker部署時的連接錯誤
• A.4 常見問題
• A.3.3 DeepSeekAIChatflow/Workflow 應用
• A.3.2 集成知識庫的DeepSeekAI聊天助手
• A.3.1 DeepSeekAI聊天助手
• A.3 開始搭建AI應用
• A.2.3 將DeepSeek接入Dify
• A.2.2 安裝Dify社區版
• A.2.1 安裝Ollama
• A.2 開始部署
• A.1 前置準備
• 附錄A 部署私有化AI助手
• 封面簡介
• 作者簡介
• 工具、庫和框架
• 關鍵術語表
• 6.3 經驗教訓
• 6.2.5 第五步：使解決方案更健壯
• 6.2.4 第四步：改進、迭代
• 6.2.3 第三步：構建原型
• 6.2.2 第二步：定義需求
• 6.2.1 第一步：構思
• 6.2 綜合運用：助手用例
• 6.1 關鍵要點
• 第6章 綜合運用
• 5.6 小結
• 5.5.4 OpenAIWeb平臺上的助手
• 5.5.3 函數調用
• 5.5.2 利用你的Assistants API管理對話
• 5.5.1 創建 Assistants API
• 5.5 Assistants API
• 5.4 GPTs
• 5.3.5 描述
• 5.3.4 OpenAPI規范
• 5.3.3 插件清單
• 5.3.2 API
• 5.3.1 概述
• 5.3 GPT-4插件
• 5.2.3 定制化
• 5.2.2 LlamaIndex原則
• 5.2.1 演示：10行代碼實現RAG
• 5.2 LlamaIndex框架
• 5.1.5 嵌入
• 5.1.4 記憶
• 5.1.3 智能體和工具
• 5.1.2 動態提示詞
• 5.1.1 LangChain庫
• 5.1 LangChain框架
• 第5章 通過框架、插件等提升LLM的能力
• 4.6 小結
• 4.5.3 幻覺
• 4.5.2 非確定性
• 4.5.1 提示詞敏感性
• 4.5 從普通應用程序到基于LLM的解決方案
• 4.4.2 評估
• 4.4.1 策略比較
• 4.4 策略選擇
• 4.3.3 RAG的局限
• 4.3.2 高級RAG
• 4.3.1 基礎RAG
• 4.3 RAG
• 4.2.6 微調的成本
• 4.2.5 為電子郵件營銷活動生成和微調合成數據
• 4.2.4 微調應用程序
• 4.2.3 使用OpenAI的Web界面進行微調
• 4.2.2 使用OpenAI API進行微調
• 4.2.1 入門
• 4.2 微調
• 4.1.5 改善提示效果
• 4.1.4 基于用戶反饋的迭代優化
• 4.1.3 實現少樣本學習
• 4.1.2 逐步思考
• 4.1.1 利用角色、上下文和任務設計有效的提示詞
• 4.1 提示工程
• 第4章 OpenAI高級LLM集成策略
• 3.8 小結
• 3.7.3 提高響應能力，改善用戶體驗
• 3.7.2 速率限制
• 3.7.1 處理錯誤和意外延遲問題
• 3.7 合理使用外部API
• 3.6.2 提示詞注入的不可避免性
• 3.6.1 分析輸入和輸出
• 3.6 基于LLM的應用程序的漏洞
• 3.5 成本管理
• 3.4.6 項目6：情感分析——語言處理
• 3.4.5 項目5：組織文檔——語言處理
• 3.4.4 項目4：創建個人助理——人機界面
• 3.4.3 項目3：打造《塞爾達傳說：曠野之息》專家——語言處理與對話
• 3.4.2 項目2：總結 YouTube 視頻——語言處理
• 3.4.1 項目1：構建新聞生成器解決方案——語言處理
• 3.4 示例項目
• 3.3.4 結合能力
• 3.3.3 人機交互能力
• 3.3.2 語言處理能力
• 3.3.1 對話能力
• 3.3 將LLM能力集成到你的項目中
• 3.2 軟件架構設計原則
• 3.1.2 安全與數據隱私
• 3.1.1 API密鑰管理
• 3.1 應用程序開發概述
• 第3章 構建基于LLM的應用程序：功能與挑戰
• 2.9 小結（含速查清單）
• 2.8.5 圖像API
• 2.8.4 語音轉文本
• 2.8.3 文本轉語音
• 2.8.2 審核
• 2.8.1 嵌入
• 2.8 其他OpenAI API和功能
• 2.7.2 安全與隱私：小心！
• 2.7.1 定價和詞元限制
• 2.7 注意事項
• 2.6.2 文本補全端點的輸出結果格式
• 2.6.1 文本補全端點的輸入選項
• 2.6 使用其他文本補全模型
• 2.5.5 請求JSON輸出
• 2.5.4 視覺能力
• 2.5.3 聊天補全端點的輸出結果格式
• 2.5.2 調整 temperature和top_p
• 2.5.1 聊天補全端點的輸入選項
• 2.5 使用聊天補全模型
• 2.4.2 Hello World
• 2.4.1 OpenAI服務訪問與API密鑰
• 2.4 入門：OpenAIPython庫
• 2.3 在OpenAIPlayground中使用GPT模型
• 2.2.4 GPT-4
• 2.2.3 GPT-3.5
• 2.2.2 InstructGPT（遺留版）
• 2.2.1 GPT Base
• 2.2 OpenAI API中可用的模型
• 2.1 基本概念
• 第2章 深入了解OpenAI API
• 1.6 小結
• 1.5 借助高級功能釋放GPT潛力
• 1.4 警惕AI幻覺：限制與注意事項
• 1.3.7 Inworld AI
• 1.3.6 Waymark
• 1.3.5 Yabble
• 1.3.4 多鄰國
• 1.3.3 可汗學院
• 1.3.2 摩根士丹利
• 1.3.1 Be My Eyes
• 1.3 LLM用例和示例產品
• 1.2.7 人工智能向多模態演進
• 1.2.6 GPT-4
• 1.2.5 GPT-3.5、ChatGPT和Codex
• 1.2.4 從 GPT-3到InstructGPT
• 1.2.3 GPT-3
• 1.2.2 GPT-2
• 1.2.1 GPT-1
• 1.2 GPT模型簡史：從GPT-1到GPT-4
• 1.1.4 將視覺整合到LLM中
• 1.1.3 解密GPT模型的詞元化和預測步驟
• 1.1.2 理解Transformer架構及其在LLM中的作用
• 1.1.1 探索語言模型和NLP的基礎
• 1.1 LLM概述
• 第1章 初識GPT-4和ChatGPT
• 電子書
• 致謝
• 聯系我們
• O'Reilly在線學習平臺（O'Reilly Online Learning）
• 使用代碼示例
• 排版約定
• 前言
• 譯者序 沒有誰天生就是AI工程師
• 推薦序七 AI是人類能力的指數級放大器
• 第1版推薦序
• 推薦序六 AGI：不要旁觀，要真正參與
• 推薦序五 未來正在生成中
• 推薦序四 AI工程師：從智能革命的探索者到智能體時代的締造者
• 推薦序三 人人都要學會和AI相處
• 第1版推薦序
• 推薦序二 開啟一段有趣、有啟發、有收獲的冒險旅程
• 第1版推薦序
• 推薦序一 學習成為善用AI的人
• O'Reilly Media Inc. 介紹
• 版權聲明
• 版權信息
• 封面

• 封面
• 版權信息
• 版權聲明
• O'Reilly Media Inc. 介紹
• 推薦序一 學習成為善用AI的人
• 第1版推薦序
• 推薦序二 開啟一段有趣、有啟發、有收獲的冒險旅程
• 第1版推薦序
• 推薦序三 人人都要學會和AI相處
• 推薦序四 AI工程師：從智能革命的探索者到智能體時代的締造者
• 推薦序五 未來正在生成中
• 推薦序六 AGI：不要旁觀，要真正參與
• 第1版推薦序
• 推薦序七 AI是人類能力的指數級放大器
• 譯者序 沒有誰天生就是AI工程師
• 前言
• 排版約定
• 使用代碼示例
• O'Reilly在線學習平臺（O'Reilly Online Learning）
• 聯系我們
• 致謝
• 電子書
• 第1章 初識GPT-4和ChatGPT
• 1.1 LLM概述
• 1.1.1 探索語言模型和NLP的基礎
• 1.1.2 理解Transformer架構及其在LLM中的作用
• 1.1.3 解密GPT模型的詞元化和預測步驟
• 1.1.4 將視覺整合到LLM中
• 1.2 GPT模型簡史：從GPT-1到GPT-4
• 1.2.1 GPT-1
• 1.2.2 GPT-2
• 1.2.3 GPT-3
• 1.2.4 從 GPT-3到InstructGPT
• 1.2.5 GPT-3.5、ChatGPT和Codex
• 1.2.6 GPT-4
• 1.2.7 人工智能向多模態演進
• 1.3 LLM用例和示例產品
• 1.3.1 Be My Eyes
• 1.3.2 摩根士丹利
• 1.3.3 可汗學院
• 1.3.4 多鄰國
• 1.3.5 Yabble
• 1.3.6 Waymark
• 1.3.7 Inworld AI
• 1.4 警惕AI幻覺：限制與注意事項
• 1.5 借助高級功能釋放GPT潛力
• 1.6 小結
• 第2章 深入了解OpenAI API
• 2.1 基本概念
• 2.2 OpenAI API中可用的模型
• 2.2.1 GPT Base
• 2.2.2 InstructGPT（遺留版）
• 2.2.3 GPT-3.5
• 2.2.4 GPT-4
• 2.3 在OpenAIPlayground中使用GPT模型
• 2.4 入門：OpenAIPython庫
• 2.4.1 OpenAI服務訪問與API密鑰
• 2.4.2 Hello World
• 2.5 使用聊天補全模型
• 2.5.1 聊天補全端點的輸入選項
• 2.5.2 調整 temperature和top_p
• 2.5.3 聊天補全端點的輸出結果格式
• 2.5.4 視覺能力
• 2.5.5 請求JSON輸出
• 2.6 使用其他文本補全模型
• 2.6.1 文本補全端點的輸入選項
• 2.6.2 文本補全端點的輸出結果格式
• 2.7 注意事項
• 2.7.1 定價和詞元限制
• 2.7.2 安全與隱私：小心！
• 2.8 其他OpenAI API和功能
• 2.8.1 嵌入
• 2.8.2 審核
• 2.8.3 文本轉語音
• 2.8.4 語音轉文本
• 2.8.5 圖像API
• 2.9 小結（含速查清單）
• 第3章 構建基于LLM的應用程序：功能與挑戰
• 3.1 應用程序開發概述
• 3.1.1 API密鑰管理
• 3.1.2 安全與數據隱私
• 3.2 軟件架構設計原則
• 3.3 將LLM能力集成到你的項目中
• 3.3.1 對話能力
• 3.3.2 語言處理能力
• 3.3.3 人機交互能力
• 3.3.4 結合能力
• 3.4 示例項目
• 3.4.1 項目1：構建新聞生成器解決方案——語言處理
• 3.4.2 項目2：總結 YouTube 視頻——語言處理
• 3.4.3 項目3：打造《塞爾達傳說：曠野之息》專家——語言處理與對話
• 3.4.4 項目4：創建個人助理——人機界面
• 3.4.5 項目5：組織文檔——語言處理
• 3.4.6 項目6：情感分析——語言處理
• 3.5 成本管理
• 3.6 基于LLM的應用程序的漏洞
• 3.6.1 分析輸入和輸出
• 3.6.2 提示詞注入的不可避免性
• 3.7 合理使用外部API
• 3.7.1 處理錯誤和意外延遲問題
• 3.7.2 速率限制
• 3.7.3 提高響應能力，改善用戶體驗
• 3.8 小結
• 第4章 OpenAI高級LLM集成策略
• 4.1 提示工程
• 4.1.1 利用角色、上下文和任務設計有效的提示詞
• 4.1.2 逐步思考
• 4.1.3 實現少樣本學習
• 4.1.4 基于用戶反饋的迭代優化
• 4.1.5 改善提示效果
• 4.2 微調
• 4.2.1 入門
• 4.2.2 使用OpenAI API進行微調
• 4.2.3 使用OpenAI的Web界面進行微調
• 4.2.4 微調應用程序
• 4.2.5 為電子郵件營銷活動生成和微調合成數據
• 4.2.6 微調的成本
• 4.3 RAG
• 4.3.1 基礎RAG
• 4.3.2 高級RAG
• 4.3.3 RAG的局限
• 4.4 策略選擇
• 4.4.1 策略比較
• 4.4.2 評估
• 4.5 從普通應用程序到基于LLM的解決方案
• 4.5.1 提示詞敏感性
• 4.5.2 非確定性
• 4.5.3 幻覺
• 4.6 小結
• 第5章 通過框架、插件等提升LLM的能力
• 5.1 LangChain框架
• 5.1.1 LangChain庫
• 5.1.2 動態提示詞
• 5.1.3 智能體和工具
• 5.1.4 記憶
• 5.1.5 嵌入
• 5.2 LlamaIndex框架
• 5.2.1 演示：10行代碼實現RAG
• 5.2.2 LlamaIndex原則
• 5.2.3 定制化
• 5.3 GPT-4插件
• 5.3.1 概述
• 5.3.2 API
• 5.3.3 插件清單
• 5.3.4 OpenAPI規范
• 5.3.5 描述
• 5.4 GPTs
• 5.5 Assistants API
• 5.5.1 創建 Assistants API
• 5.5.2 利用你的Assistants API管理對話
• 5.5.3 函數調用
• 5.5.4 OpenAIWeb平臺上的助手
• 5.6 小結
• 第6章 綜合運用
• 6.1 關鍵要點
• 6.2 綜合運用：助手用例
• 6.2.1 第一步：構思
• 6.2.2 第二步：定義需求
• 6.2.3 第三步：構建原型
• 6.2.4 第四步：改進、迭代
• 6.2.5 第五步：使解決方案更健壯
• 6.3 經驗教訓
• 關鍵術語表
• 工具、庫和框架
• 作者簡介
• 封面簡介
• 附錄A 部署私有化AI助手
• A.1 前置準備
• A.2 開始部署
• A.2.1 安裝Ollama
• A.2.2 安裝Dify社區版
• A.2.3 將DeepSeek接入Dify
• A.3 開始搭建AI應用
• A.3.1 DeepSeekAI聊天助手
• A.3.2 集成知識庫的DeepSeekAI聊天助手
• A.3.3 DeepSeekAIChatflow/Workflow 應用
• A.4 常見問題
• A.4.1 Docker部署時的連接錯誤
• A.4.2 如何修改Ollama的服務地址和端口號
• 附錄B DeepSeek-R1在Dify的集成方案
• B.1 三重集成方案
• B.1.1 DeepSeek官方API接入
• B.1.2 多家MaaS供應商集成
• B.1.3 本地部署方案
• B.2 結語
• 鏈接資源
• 前言
• 1.1 節
• 1.2 節
• 1.3 節
• 1.4 節
• 第2章
• 2.2 節
• 2.4 節
• 2.5 節
• 2.7 節
• 2.8 節
• 3.1 節
• 3.4 節
• 3.5 節
• 3.6 節
• 3.7 節
• 4.1 節
• 4.2 節
• 4.3 節
• 4.4 節
• 4.5 節
• 5.1 節
• 5.2 節
• 5.3 節
• 6.2 節 更新時間：2025-05-07 12:21:52