本书是学习与实践AI工程的权威指南，覆盖AI应用开发全流程 ，由业内知名AI专家、畅销书作者Chip Huyen撰写。 全书系统阐述了“AI工程”的核心方法——如何基于现成的基础模型（LLM、LMM）构建高效、实用的AI应用。书中提供了完整的AI工程框架，涵盖模型选择与评估、提示工程、RAG与智能体、微调策略、数据集工程、推理优化及AI工程架构等关键环节，帮助开发者在复杂的AI生态中做出科学的技术决策。作者结合丰富的业界经验，通过大量真实案例与可操作的方法，展示了如何让AI应用更快、更可靠、更具扩展性。
目录:
第1章 基于基础模型构建AI应用入门
1.1 AI工程的兴起
1.2 基础模型的应用场景
1.3 规划AI应用
1.4 AI工程技术栈
1.5 小结
第2章 理解基础模型
2.1 训练数据
2.2 建模
2.3 后训练
2.4 采样
2.5 小结
第3章 评估方法论
3.1 评估基础模型的挑战
3.2 理解语言建模指标
3.3 精确评估
3.4 AI当裁判
3.5 使用比较评估对模型进行排名
3.6 小结
第4章 评估AI系统
4.1 评估标准
4.2 模型选择
4.3 设计你的评估流水线
4.4 小结
第5章 提示工程
5.1 提示词简介
5.2 提示工程最佳实践
5.3 防御性提示工程
5.4 小结
第6章 RAG与智能体
6.1 RAG
6.2 智能体
6.3 记忆
6.4 小结
第7章 微调
7.1 微调概述
7.2 何时进行微调
7.3 内存瓶颈
7.4 微调技术
7.5 小结
第8章 数据集工程
8.1 数据策展
8.2 数据增强与数据合成
8.3 数据处理
8.4 小结
第9章 推理优化
9.1 理解推理优化
9.2 推理优化的实现
9.3 小结
第10章 AI工程架构与用户反馈
10.1 AI工程架构
10.2 用户反馈
10.3 小结
后记
点击下载