



本书采用创新且实用的教学策略,巧妙融合理论基础与实践应用,深入剖析自然语言处理(Natural Language Processing,NLP)领域的新进展,以及大语言模型(Large Language Model,LLM)的原理。书中不仅系统阐述了 LLM 的理论基础,还通过实际项目案例展示了如何将这些模型应用于构建RAG系统。本书遵循由浅入深的路径,从LLM的基础知识入手,详细阐释了模型的训练流程,并深入探讨了如何利用提示技术与模型进行高效交互。书中还重点介绍了两个在业界得到广泛认可的框架—LlamaIndex和LangChain,它们是开发RAG应用的强大工具。书中的项目案例不仅为读者提供了宝贵的实践经验,也能够加深读者对相关概念的理解和应用。此外,书中进一步探讨了包括智能体和微调在内的高级技术,这些技术能够显著提升问答系统的性能。
作者简介:
路易斯-弗朗索瓦·布沙尔(Louis-François Bouchard) Towards AI公司联合创始人兼首席技术官(CTO),网名“What's AI”。他致力于普及AI知识并解释AI技术原理,让大众能够轻松理解AI。在深切体会到初创企业与学术界之间存在的巨大技能差距后,他从蒙特利尔学习算法研究所退学,放弃继续攻读博士学位,全身心投入YouTube科普内容创作和Towards AI公司的相关工作之中。 路易·彼得斯(Louie Peters) Towards AI公司联合创始人兼首席执行官(CEO)。他致力于开发普惠化AI职业资源,推动大众高效进入AI领域。同时,依托帝国理工学院物理学背景及摩根大通集团的投资研究经验,他尤为关注AI技术的颠覆性影响、经济效应,以及持续技术突破对现实场景应用的赋能作用。
目录:
第1章 LLM简介 1
第2章 LLM架构和概况 17
第3章 LLM实践 48
第4章 提示技术简介 59
第5章 RAG 70
第6章 LangChain和LlamaIndex简介 83
第7章 使用LangChain进行提示 102
第8章 索引、检索与数据预处理 138
第9章 高级RAG 187
第10章 智能体 215
第11章 微调 265
第12章 部署与优化 309
点击下载