《LangChain大模型应用开发》书籍分享

前言

ChatGPT和OpenAI开发的GPT模型不仅改变了我们的写作和研究方式,还改变了我们处理信息的方式。《LangChain大模型应用开发》讨论了聊天模式下的LLM的运作、能力和局限性,包括ChatGPT和Gemini。书中通过一系列实际例子演示了如何使用LangChain框架构建可随时投入生产、响应迅速的LLM应用程序,用于客户支持、软件开发辅助和数据分析等任务,这说明了LLM在实际应用中的广泛用途。

京东链接:https://item.jd.com/14895126.html

在这里插入图片描述

内容简介

《LangChain大模型应用开发》帮助读者在项目中探索微调、提示工程以及部署和监控的实践时,解锁LLM的全部潜力。无论你是构建创意写作工具、开发复杂的聊天机器人,还是制作尖端的软件开发辅助工具,《LangChain大模型应用开发》都将是你的路线图,帮助你自信且创造性地掌握生成式人工智能的变革力量。

主要内容

●使用LangChain创建LLM应用,如问答系统和聊天机器人

●理解变换模型和注意力机制

●使用pandas和Python自动进行数据分析和可视化

●掌握提示工程以提高LLM性能

●微调LLM并了解释放其力量的工具

●将LLM作为服务部署,并应用评估策略

●使用开源LLM与文档本地互动,以防止数据泄露

文章目录

第1章 什么是生成式人工智能 1

1.1 生成式人工智能简介 1

1.1.1 什么是生成式模型 4

1.1.2 为什么是现在 5

1.2 了解大规模语言模型 6

1.2.1 GPT模型是如何工作的 7

1.2.2 GPT模型是如何发展的 12

1.2.3 如何使用大规模语言模型 17

1.3 什么是文本到图像模型 18

1.4 人工智能在其他领域的作用 22

1.5 小结 23

1.6 问题 23

第2章 面向大规模语言模型应用程序:LangChain 25

2.1 超越随机鹦鹉 25

2.1.1 大规模语言模型的局限性 27

2.1.2 如何减少大规模语言模型的局限性 27

2.1.3 什么是大规模语言模型应用程序 28

2.2 LangChain简介 30

2.3 探索LangChain的关键组件 33

2.3.1 链 33

2.3.2 智能体 34

2.3.3 记忆 35

2.3.4 工具 36

2.4 LangChain如何工作 38

2.5 LangChain软件包结构 40

2.6 LangChain与其他框架的比较 41

2.7 小结 43

2.8 问题 44

第3章 LangChain入门 45

3.1 如何为本书设置依赖 46

3.2 探索API模型集成 49

3.2.1 环境设置和API密钥 50

3.2.2 OpenAI 51

3.2.3 Hugging Face 52

3.2.4 谷歌云平台 53

3.3 大规模语言模型交互基石 54

3.3.1 大规模语言模型 54

3.3.2 模拟大规模语言模型 55

3.3.3 聊天模型 56

3.3.4 提示 57

3.3.5 链 59

3.3.6 LangChain表达式语言 60

3.3.7 文本到图像 61

3.3.8 Dall-E 61

3.3.9 Replicate 63

3.3.10 图像理解 64

3.4 运行本地模型 65

3.4.1 Hugging Face transformers 66

3.4.2 llama.cpp 68

3.4.3 GPT4All 69

3.5 构建客户服务应用程序 70

3.5.1 情感分析 70

3.5.2 文本分类 71

3.5.3 生成摘要 72

3.5.4 应用map-reduce 73

3.5.5 监控词元使用情况 76

3.6 小结 77

3.7 问题 77

第4章 构建得力助手 79

4.1 使用工具回答问题 80

4.1.1 工具使用 80

4.1.2 定义自定义工具 81

4.1.3 工具装饰器 82

4.1.4 子类化BaseTool 82

4.1.5 StructuredTool数据类 83

4.1.6 错误处理 84

4.2 使用工具实现研究助手 85

4.3 探索推理策略 89

4.4 从文件中提取结构化信息 95

4.5 通过事实核查减少幻觉 100

4.6 小结 102

4.7 问题 102

第5章 构建类似ChatGPT的聊天机器人 103

5.1 什么是聊天机器人 104

5.2 从向量到RAG 105

5.2.1 向量嵌入 106

5.2.2 在LangChain中的嵌入 107

5.2.3 向量存储 109

5.2.4 向量索引 110

5.2.5 向量库 111

5.2.6 向量数据库 112

5.2.7 文档加载器 117

5.2.8 LangChain中的检索器 118

5.3 使用检索器实现聊天机器人 120

5.3.1 文档加载器 121

5.3.2 向量存储 122

5.3.3 对话记忆:保留上下文 125

5.4 调节响应 130

5.5 防护 131

5.6 小结 132

5.7 问题 132

第6章 利用生成式人工智能开发软件 133

6.1 软件开发与人工智能 134

6.2 使用大规模语言模型编写代码 138

6.2.1 Vertex AI 138

6.2.2 StarCoder 139

6.2.3 StarChat 143

6.2.4 Llama 2 144

6.2.5 小型本地模型 145

6.3 自动化软件开发 147

6.3.1 实现反馈回路 149

6.3.2 使用工具 152

6.3.3 错误处理 154

6.3.4 为开发人员做最后的润色 155

6.4 小结 157

6.5 问题 157

第7章 用于数据科学的大规模语言模型 159

7.1 生成式模型对数据科学的影响 160

7.2 自动化数据科学 162

7.2.1 数据收集 163

7.2.2 可视化和EDA 164

7.2.3 预处理和特征提取 164

7.2.4 AutoML 164

7.3 使用智能体回答数据科学的问题 166

7.4 使用大规模语言模型进行数据探索 169

7.5 小结 173

7.6 问题 173

第8章 定制大规模语言模型及其输出 175

8.1 调节大规模语言模型 176

8.2 微调 180

8.2.1 微调设置 181

8.2.2 开源模型 184

8.2.3 商业模型 187

8.3 提示工程 188

8.3.1 提示技术 190

8.3.2 思维链提示 192

8.3.3 自一致性 193

8.3.4 思维树 195

8.4 小结 198

8.5 问题 198

第9章 生产中的生成式人工智能 199

9.1 如何让大规模语言模型应用程序做好生产准备 200

9.2 如何评估大规模语言模型应用程序 202

9.2.1 比较两个输出 204

9.2.2 根据标准进行比较 205

9.2.3 字符串和语义比较 206

9.2.4 根据数据集进行评估 207

9.3 如何部署大规模语言模型应用程序 211

9.3.1 FastAPI Web服务 213

9.3.2 Ray 216

9.4 如何观察大规模语言模型应用程序 219

9.4.1 跟踪响应 221

9.4.2 可观察性工具 223

9.4.3 LangSmith 224

9.4.4 PromptWatch 225

9.5 小结 227

9.6 问题 227

第10章 生成式模型的未来 229

10.1 生成式人工智能的现状 229

10.1.1 挑战 230

10.1.2 模型开发的趋势 231

10.1.3 大科技公司与小企业 234

10.1.4 通用人工智能 235

10.2 经济后果 236

10.2.1 创意产业 238

10.2.2 教育 239

10.2.3 法律 239

10.2.4 制造业 239

10.2.5 医学 240

10.2.6 军事 240

10.3 社会影响 240

10.3.1 虚假信息与网络安全 241

10.3.2 法规和实施挑战 241

10.4 未来之路 243

在这里插入图片描述

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/bicheng/64836.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

Win10将WindowsTerminal设置默认终端并添加到右键(无法使用微软商店)

由于公司内网限制,无法通过微软商店安装 Windows Terminal,本指南提供手动安装和配置新版 Windows Terminal 的步骤,并添加右键菜单快捷方式。 1. 下载新版终端安装包: 访问 Windows Terminal 的 GitHub 发布页面:https://githu…

部署 Apache Samza 和 Apache Kafka

部署 Apache Samza 和 Apache Kafka 的流处理系统可以分为以下几个步骤,涵盖环境准备、部署细节和生产环境的优化。 1. 环境准备 硬件要求 Kafka Broker:至少 3 台服务器,建议每台服务器配备 4 核 CPU、16GB 内存和高速磁盘。Samza 部署节点:根据任务规模,至少准备 2 台…

Oracle中间件 SOA之 OSB 12C服务器环境搭建

环境信息 服务器基本信息 如下表,本次安装总共使用1台服务器,具体信息如下: App1服务器 归类 APP服务器 Ip Address 172.xx.30.xx HostName appdev01. xxxxx.com Alias appdev01 OSB1服务器 归类 OSB服务器 Ip Address 172.xx3…

java小知识点:比较器

java中自主排序主要根据一个Comparator类来实现。 他内部实现用的是Timsort策略。大概思想是说将整个集合分成几个小段,每个小段分别排序,然后再拼在一起。 主要用法是传入两个数(也可以不是Integer或int类型,这里只是把他们都统称…

红米Note 9 Pro5G刷小米官方系统

前言 刷机有2种方式:线刷 和 卡刷。 线刷 线刷:需要用电脑刷机工具,例如:XiaoMiFlash.exe,通过电脑和数据线对设备进行刷机。 适用场景: 系统损坏无法开机。恢复官方出厂固件。刷机失败导致软砖、硬砖的…

Centos7 部署ZLMediakit

1、拉取代码 #国内用户推荐从同步镜像网站gitee下载 git clone --depth 1 https://gitee.com/xia-chu/ZLMediaKit cd ZLMediaKit #千万不要忘记执行这句命令 git submodule update --init 2、安装编译器 sudo yum -y install gcc 3、安装cmake sudo yum -y install cmake 4…

HarmonyOS NEXT 技术实践-基于意图框架服务实现智能分发

在智能设备的交互中,如何准确理解并及时响应用户需求,成为提升用户体验的关键。HarmonyOS Next 的意图框架服务(Intents Kit)为这一目标提供了强大的技术支持。本文将通过一个项目实现的示例,展示如何使用意图框架服务…

观察者模式(sigslot in C++)

大家,我是东风,今天抽点时间整理一下我很久前关注的一个不错的库,可以支持我们在使用标准C的时候使用信号槽机制进行观察者模式设计,sigslot 官网: http://sigslot.sourceforge.net/ 本文较为详尽探讨了一种观察者模…

workman服务端开发模式-应用开发-gateway长链接端工作原理

一、长链接的工作原理 Register类其实也是基于基础的Worker开发的。Gateway进程和BusinessWorker进程启动后分别向Register进程注册自己的通讯地址,Gateway进程和BusinessWorker通过Register进程得到通讯地址后,就可以建立起连接并通讯了。而Gateway进程…

Ubuntu vi(vim)编辑器配置一键补全main函数

1.打开对应的配置文件 vi ~/.vim/snippets/c.snippets 2.按G将光标定位到文件末尾 3.按i进入插入模式 以tab键开头插入下的内容,空行也要加 tab键 4.:wq保存退出 5.再打开任意一个新的 .c文件后,插入模式输入 main 然后按tal键就能补全了

Onvif服务端开发

实现了Onvif服务端的设备搜索和RTSP流的功能。用 ONVIF Device Manager 测试工具可以成功搜索到设备和获取到RTSP流,有的路由器可能不支持239.255.255.250组播,我一开始用的电信的那种光猫路由器二合一的,一直搜不到设备,后面用So…

Windows脚本清理C盘缓存

方法一:使用power文件.ps1的文件 脚本功能 清理临时文件夹: 当前用户的临时文件夹(%Temp%)。系统临时文件夹(C:\Windows\Temp)。 清理 Windows 更新缓存: 删除 Windows 更新下载缓存&#xff0…

THM:Skynet[WriteUP]

目录 连接至THM服务器并启动靶机 信息收集 使用rustscan对靶机TCP端口进行开放扫描 使用nmap对靶机TCP开放端口进行脚本、服务扫描 使用nmap对靶机TCP开放端口进行漏洞、系统扫描 使用nmap对靶机常用UDP端口进行开放扫描 使用nmap对137端口进行针对性扫描 使用enum4lin…

【C语言】矩阵乘法

相信你是最棒哒!!! 文章目录 题目描述 正确代码 总结 题目描述 根据两个矩阵相乘的法则: 矩阵A乘矩阵B,得矩阵C,方法是A的第一行元素分别对应乘以B的第一列元素各元素,相加得C11,A的…

Jackson 的@JsonSerialize 注解

1. 概述 Jackson 提供了一套强大的注解,用于定制 Java 对象与 JSON 之间的序列化和反序列化过程。其中一个非常灵活的注解是JsonSerialize,它用于为对象指定自定义序列化器。在本教程中,我们将通过一个员工管理系统来深入了解这个注解的使用…

2025年前端面试热门题目——HTML|CSS|Javascript|TS知识

以下是对这些 HTML 面试问题的详细解答&#xff1a; 1. HTML 的 src 和 href 属性有什么区别? src (Source) 属性&#xff1a; 用于嵌入资源&#xff0c;例如图像、脚本或 iframe。加载资源时&#xff0c;当前页面的加载会暂停&#xff0c;直到资源加载完成。常用于 <img&g…

Redis篇--常见问题篇7--缓存一致性2(分布式事务框架Seata)

1、概述 在传统的单体应用中&#xff0c;事务管理相对简单&#xff0c;通常使用数据库的本地事务&#xff08;如MySQL的BEGIN和COMMIT&#xff09;来保证数据的一致性。然而&#xff0c;在微服务架构中&#xff0c;由于每个服务都有自己的数据库&#xff0c;跨服务的事务管理变…

简易分页制作

简易分页功能实现 分页是一种常见的前端功能&#xff0c;特别是在需要展示大量数据时。它通过将数据分割成多个页面&#xff0c;帮助用户更容易浏览并提高页面加载性能。本文将介绍一个简易分页的实现思路及其代码实现&#xff0c;旨在帮助开发者快速理解并实现分页功能。 功…

基于winform的五子棋机器人系统开发 (更新中ing)

一、实物硬件表拟定 笔记本电脑、正运动控制器、三个汇川伺服驱动器、三个滑动模组 二、软件开发 注意细节&#xff1a; ①主界面使用三个panel容器进行构建 pannel容器设置属性参数&#xff1a;(1) dock ② 添加自定义控件&#xff1a;首先创建类库&#xff0c;删除默认…

Springmvc,spring ,mybatis,整合,ssm

上一章内容&#xff1a; 1.spring框架:作用 开源的框架--提供IOC和AOPIOC控制反转 把创建对象的权力交于spring创建&#xff0c;并管理对象的生命周期&#xff0c;通过DI完成对象属性的注入。 ​ 2. spring配置中<bean>也可以使用注解Component Controller Service Repo…