互联网 类型
9.1 豆瓣评分
可以朗读 语音朗读
354千字 字数
2026-01-01 发行日期
展开全部

主编推荐语

本书是学习与实践AI工程的权威指南。

内容简介

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

  • 版权信息
  • 内容提要
  • 版权声明
  • O'Reilly Media, Inc.介绍
  • 对本书的赞誉（中文版）
  • 对本书的赞誉（英文版）
  • 译者序
  • 中文版序
  • 前言
  • 第1章 基于基础模型构建AI应用入门
  • 1.1 AI工程的兴起
  • 1.1.1 从语言模型到大语言模型
  • 1.1.2 从大语言模型到基础模型
  • 1.1.3 从基础模型到AI工程
  • 1.2 基础模型的应用场景
  • 1.2.1 编程
  • 1.2.2 图像和视频制作
  • 1.2.3 写作
  • 1.2.4 教育
  • 1.2.5 聊天机器人
  • 1.2.6 信息聚合
  • 1.2.7 数据组织
  • 1.2.8 工作流自动化
  • 1.3 规划AI应用
  • 1.3.1 应用场景评估
  • 1.3.2 设定目标
  • 1.3.3 里程碑规划
  • 1.3.4 维护
  • 1.4 AI工程技术栈
  • 1.4.1 AI工程技术栈的三层结构
  • 1.4.2 AI工程与ML工程
  • 1.4.3 AI工程与全栈工程
  • 1.5 小结
  • 第2章 理解基础模型
  • 2.1 训练数据
  • 2.1.1 多语言模型
  • 2.1.2 领域特定模型
  • 2.2 建模
  • 2.2.1 模型架构
  • 2.2.2 模型规模
  • 2.3 后训练
  • 2.3.1 监督微调
  • 2.3.2 偏好微调
  • 2.4 采样
  • 2.4.1 采样基础知识
  • 2.4.2 采样策略
  • 2.4.3 推理时计算
  • 2.4.4 结构化输出
  • 2.4.5 AI的概率特性
  • 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
  • 3.2.1 熵
  • 3.2.2 交叉熵
  • 3.2.3 BPC与BPB
  • 3.2.4 困惑度
  • 3.2.5 困惑度的解释与应用场景
  • 3.3 精确评估
  • 3.3.1 功能正确性
  • 3.3.2 与参考数据的相似度度量
  • 3.3.3 嵌入简介
  • 3.4 AI当裁判
  • 3.4.1 为什么用AI当裁判
  • 3.4.2 如何用AI当裁判
  • 3.4.3 AI当裁判的局限性
  • 3.4.4 哪些模型可以作为裁判
  • 3.5 使用比较评估对模型进行排名
  • 3.5.1 比较评估面临的挑战
  • 3.5.2 比较评估的未来
  • 3.6 小结
  • 第4章 评估AI系统
  • 4.1 评估标准
  • 4.1.1 领域特定能力
  • 4.1.2 生成能力
  • 4.1.3 指令遵循能力
  • 4.1.4 成本和延迟
  • 4.2 模型选择
  • 4.2.1 模型选择工作流
  • 4.2.2 模型的自建与购买
  • 4.2.3 利用公开基准测试
  • 4.3 设计你的评估流水线
  • 4.3.1 步骤1：评估系统中的所有组件
  • 4.3.2 步骤2：创建评估指南
  • 4.3.3 步骤3：定义评估方法和数据
  • 4.4 小结
  • 第5章 提示工程
  • 5.1 提示词简介
  • 5.1.1 上下文学习：零样本和少样本
  • 5.1.2 系统提示词和用户提示词
  • 5.1.3 上下文长度与上下文效率
  • 5.2 提示工程最佳实践
  • 5.2.1 撰写清晰、明确的指令
  • 5.2.2 提供充足的上下文
  • 5.2.3 将复杂任务拆分为更简单的子任务
  • 5.2.4 给模型更多思考时间
  • 5.2.5 对提示词进行迭代优化
  • 5.2.6 评估提示工程工具
  • 5.2.7 提示词的组织与版本管理
  • 5.3 防御性提示工程
  • 5.3.1 专有提示词与逆向提示工程
  • 5.3.2 越狱与提示词注入
  • 5.3.3 信息提取
  • 5.3.4 针对提示词攻击的防御措施
  • 5.4 小结
  • 第6章 RAG与智能体
  • 6.1 RAG
  • 6.1.1 RAG架构
  • 6.1.2 检索算法
  • 6.1.3 检索优化
  • 6.1.4 超越文本的RAG
  • 6.2 智能体
  • 6.2.1 智能体概述
  • 6.2.2 工具
  • 6.2.3 规划
  • 6.2.4 智能体的故障模式与评估
  • 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
  • 7.2.1 进行微调的原因
  • 7.2.2 不进行微调的原因
  • 7.2.3 微调与RAG
  • 7.3 内存瓶颈
  • 7.3.1 反向传播与可训练参数
  • 7.3.2 内存计算
  • 7.3.3 数值表示
  • 7.3.4 量化
  • 7.4 微调技术
  • 7.4.1 PEFT
  • 7.4.2 模型合并与多任务微调
  • 7.4.3 微调策略
  • 7.5 小结
  • 第8章 数据集工程
  • 8.1 数据策展
  • 8.1.1 数据质量
  • 8.1.2 数据覆盖度
  • 8.1.3 数据量
  • 8.1.4 数据获取与数据标注
  • 8.2 数据增强与数据合成
  • 8.2.1 为什么要进行数据合成
  • 8.2.2 传统的数据合成方法
  • 8.2.3 AI驱动的数据合成方法
  • 8.2.4 模型蒸馏
  • 8.3 数据处理
  • 8.3.1 数据检查
  • 8.3.2 数据去重
  • 8.3.3 数据清理与过滤
  • 8.3.4 数据格式化
  • 8.4 小结
  • 第9章 推理优化
  • 9.1 理解推理优化
  • 9.1.1 推理概述
  • 9.1.2 推理性能指标
  • 9.1.3 AI加速器
  • 9.2 推理优化的实现
  • 9.2.1 模型优化
  • 9.2.2 推理服务优化
  • 9.3 小结
  • 第10章 AI工程架构与用户反馈
  • 10.1 AI工程架构
  • 10.1.1 增强上下文
  • 10.1.2 设置防护措施
  • 10.1.3 添加路由器和模型网关
  • 10.1.4 通过缓存技术降低延迟
  • 10.1.5 添加智能体模式
  • 10.1.6 监控与可观测性
  • 10.1.7 AI流水线编排
  • 10.2 用户反馈
  • 10.2.1 提取对话反馈
  • 10.2.2 反馈设计
  • 10.2.3 反馈的局限性
  • 10.3 小结
  • 后记
  • 关于作者
  • 封面简介
展开全部

评分及书评

评分不足
2个评分

出版方

人民邮电出版社

人民邮电出版社是工业和信息化部主管的大型专业出版社，成立于1953年10月1日。人民邮电出版社坚持“立足信息产业、面向现代社会、传播科学知识、服务科教兴国”，致力于通信、计算机、电子技术、教材、少儿、经管、摄影、集邮、旅游、心理学等领域的专业图书出版。