在人工智能技术日新月异的今天，大语言模型的应用已成为推动企业智能化转型的关键力量。而如何在这片充满机遇与挑战的领域中快速上手并深掌握核心技术，成为众多发者、研究人员和学生共同关注的焦。在此，我们向您隆重推荐这本《Langchain核心技术与LLM项目实践》。 1.全面系统，零基础阶。 《Langchain核心技术与LLM项目实践》以零基础为起，精心规划了从基础理论到企业级项目实践的完整学习路径。全书12章内容，犹如一座精心搭建的知识阶梯，层层递，引领读者稳步从理论学习迈向项目实战的殿堂。无论您是对LangChain和大语言模型应用初涉猎奇的新手，还是希望一步深化理解、拓展技能的专业人士，都能在本书中找到契合自身需求的知识宝藏。
售 价：¥
纸质售价：¥94.00购买纸书
6.8
温馨提示：数字商品不支持退换货，不提供源文件，不支持导出打印
为你推荐
作者简介
内容简介
前言
第1章 大语言模型与LangChain
1.1 大语言模型基本原理
1.1.1 语言模型的构建：从N-grams到深度学习
1.1.2 Transformer架构的崛起：自注意力机制解析
1.1.3 预训练与微调：如何提升模型性能
1.2 LangChain基本原理与开发流程
1.2.1 LangChain的核心组件：理解任务链与内存模块
1.2.2 LangChain开发流程概述
1.2.3 如何快速上手LangChain开发
1.3 本章小结
1.4 思考题
第2章 LangChain开发前的准备
2.1 创建OpenAI API密钥
2.1.1 注册与账户配置
2.1.2 生成和管理API密钥
2.1.3 设置访问权限与安全性
2.2 构建Anaconda+PyCharm开发工具链
2.2.1 安装与配置Anaconda环境
2.2.2 PyCharm集成Anaconda环境
2.2.3 包管理与环境管理
2.3 初探LangChain依赖库
2.3.1 LangChain核心依赖库概览
2.3.2 openai库的安装与配置
2.3.3 其他辅助工具与扩展包
2.4 本章小结
2.5 思考题
第3章 模型、模型类与缓存
3.1 关于模型
3.1.1 模型的定义与应用
3.1.2 语言模型的工作原理
3.2 Chat类、LLM类模型简介
3.2.1 Chat类模型概述
3.2.2 LLM类模型概述
3.3 基于OpenAI API的初步开发
3.3.1 OpenAI API调用基础
3.3.2 完成基本文本生成任务
3.4 自定义LangChain Model类
3.4.1 LangChain Model类的构建基础
3.4.2 模型参数的自定义与调优
3.5 LangChain与缓存
3.5.1 缓存的作用与类型
3.5.2 内存缓存的使用
3.5.3 文件缓存与持久化管理
3.5.4 Redis缓存的集成与优化
3.6 本章小结
3.7 思考题
第4章 提示词工程
4.1 提示词的定义与提示词模板
4.1.1 理解提示词在模型中的核心角色
4.1.2 构建提示词模板：实现灵活多样的提示结构
4.2 动态提示词生成技术
4.2.1 基于用户输入的提示词自适应生成
4.2.2 动态提示词生成
4.3 插槽填充与链式提示
4.3.1 插槽填充技术：快速实现变量插入的提示词模板
4.3.2 链式提示词：通过分步骤生成复杂内容
4.4 多轮对话提示词
4.4.1 维护连续对话的提示词设计
4.4.2 构建连贯自然的多轮交互
4.5 嵌套提示词与少样本提示词
4.5.1 分层级处理复杂任务的多级提示词
4.5.2 Few-shot提示词：通过示例提升生成效果的准确性
4.6 本章小结
4.7 思考题
第5章 核心组件1：链
5.1 LLM链
5.1.1 LLM链的基本工作流程和参数设置
5.1.2 如何在LLM链中嵌入提示词模板和预处理逻辑
5.2 序列链
5.2.1 序列链的构建与分层调用
5.2.2 在序列链中连接多个LLM和工具模块
5.3 路由链
5.3.1 根据输入内容动态选择链路径
5.3.2 设置不同的模型和任务路径以适应复杂需求
5.4 文档链
5.4.1 Stuff链与Refine链的应用场景和适用文档类型
5.4.2 Map-Reduce链与Map-Rerank链的文档处理策略
5.5 本章小结
5.6 思考题
第6章 核心组件2：内存模块
6.1 聊天消息记忆
6.1.1 聊天消息存储机制：保障对话连续性
6.1.2 动态消息记忆策略的设计与实现
6.2 会话缓冲区与会话缓冲窗口
6.2.1 会话缓冲区的配置与应用场景
6.2.2 会话缓冲窗口的实现
6.3 会话摘要与支持向量存储
6.3.1 长会话摘要的生成与更新
6.3.2 使用向量存储实现会话内容的高效检索
6.4 使用Postgres与Redis存储聊天消息记录
6.4.1 基于Postgres的持久化消息存储方案
6.4.2 Redis缓存技术在消息快速存取中的应用
6.5 本章小结
6.6 思考题
第7章 LangChain与表达式语言
7.1 LCEL初探与流式支持
7.1.1 LangChian表达式语言初探
7.1.2 LCEL流式处理实现
7.2 LCEL并行执行优化
7.2.1 多任务并行执行策略
7.2.2 LCEL并行执行
7.3 回退机制的设计与实现
7.4 LCEL与LangSmith集成
7.4.1 LangSmith入门
7.4.2 LangSmith的初步应用
7.5 本章小结
7.6 思考题
第8章 核心组件3：Agents
8.1 何为LangChain Agent
8.1.1 Agent的核心概念与工作原理
8.1.2 LangChain中Agent的应用场景分析
8.1.3 自定义LLM代理
8.2 ReAct Agent
8.2.1 ReAct Agent解析
8.2.2 ReAct Agent的典型应用
8.3 Zero-shot ReAct与结构化输入ReAct
8.3.1 Zero-shot ReAct的原理与实现
8.3.2 结构化输入ReAct的使用
8.4 ReAct文档存储库
8.5 本章小结
8.6 思考题
第9章 核心组件4：回调机制
9.1 自定义回调处理程序
9.1.1 创建自定义回调处理程序
9.1.2 自定义链的回调函数
9.2 多个回调处理程序
9.3 跟踪LangChains
9.3.1 链式任务的跟踪和调试方法
9.3.2 任务流数据的实时监控与分析
9.3.3 将日志记录到文件
9.3.4 Token计数器
9.4 利用Argilla进行数据整理
9.4.1 初步使用Argilla
9.4.2 Argilla辅助数据整理
9.5 本章小结
9.6 思考题
第10章 模型I/O与检索
10.1 模型I/O解释器
10.1.1 输入预处理与输出格式化：确保模型I/O一致性
10.1.2 自定义输出解析器的实现与应用
10.2 文本嵌入模型与向量存储
10.2.1 文本嵌入模型
10.2.2 向量存储
10.3 本章小结
10.4 思考题
第11章 LangChain深度开发
11.1 性能优化与并发处理
11.1.1 模型加速、蒸馏、FP16精度
11.1.2 并发处理多用户请求
11.2 复杂查询与多级任务链设计
11.3 本章小结
11.4 思考题
第12章 企业级智能问答系统
12.1 项目概述与分析
12.1.1 项目概述
12.1.2 项目任务分析
12.2 模块化开发与测试
12.2.1 数据加载模块
12.2.2 嵌入生成与存储模块
12.2.3 提示词工程
12.2.4 任务链设计
12.2.5 Agent系统
12.2.6 回调机制与监控
12.2.7 单元测试与集成测试
12.3 系统集成、部署与优化
12.3.1 系统集成与部署
12.3.2 响应速度优化
12.4 本章小结
12.5 思考题
买过这本书的人还买过
读了这本书的人还在读
同类图书排行榜
购物车
个人中心
