科技 类型
可以朗读 语音朗读
109千字 字数
2025-01-01 发行日期
展开全部

主编推荐语

告别理论空谈，直击智能化实战痛点。

内容简介

本书由资深大厂产品与技术专家联袂撰写，旨在为企业决策者、技术负责人提供从战略到落地的AI转型指南，同时为开发者、创业者和个体AI爱好者破解“大模型+智能体”的高价值应用密码。

深度聚焦企业级实战，系统解析AI大模型核心技术，详解如何通过提示词工程、Agent框架和Dify平台，高效构建智能客服、数据分析等应用，直击基于Dify平台从0到1构建AI应用，详解RAG架构、函数调用、多Agent协同等关键技术在企业场景中的精准应用，覆盖知识库构建、提示词设计、服务集成的全生命周期管理等关键场景。

目录

  • 版权信息
  • 内容简介
  • 前言
  • 第1章 AI大模型时代的企业新机遇
  • 1.1 AI新范式：从传统AI到大模型的跃迁
  • 1.1.1 技术范式革命：从“手工作坊”到“智能工厂”
  • 1.1.2 应用场景跃迁：从“工具赋能”到“生态重构”
  • 1.1.3 企业转型路径：构建智能体生态体系
  • 1.2 AI大模型对企业的核心价值分析
  • 1.2.1 提效：从“人力密集型”到“智能自动化”
  • 1.2.2 创新：从“渐进式改进”到“范式突破”
  • 1.2.3 体验升级：从“标准化服务”到“个性化体验”
  • 1.3 企业引入AI大模型的战略考量
  • 1.3.1 价值评估框架：成本、收益与风险
  • 1.3.2 关键决策点：自建、合作与采购
  • 1.3.3 关键准备：夯实数据基础、人才队伍与合规体系三大基石
  • 1.4 AI大模型应用的典型场景速览
  • 1.5 本章小结
  • 第2章 大模型技术概览：能力、局限
  • 2.1 揭开面纱：大模型的核心定义与关键特征
  • 2.1.1 核心定义：从统计模型到认知引擎
  • 2.1.2 关键特征：突破传统AI范式的四维革命
  • 2.1.3 认知革命：认知的重构
  • 2.2 能力边界：大模型能做什么
  • 2.2.1 核心能力：文本生成、理解、推理与对话
  • 2.2.2 涌现能力：Few-shot/Zero-shot学习的魔力
  • 2.2.3 多模态交互：超越文本的世界
  • 2.3 理性看待：大模型的局限与挑战
  • 2.3.1 技术挑战：幻觉、偏见、知识滞后与可解释性
  • 2.3.2 工程与成本挑战：训练、推理与部署
  • 2.3.3 安全与伦理风险：数据隐私、内容安全与滥用
  • 2.4 本章小结
  • 第3章 探源究底：大模型核心技术简史与原理
  • 3.1 技术演进：从统计语言模型到深度学习
  • 3.1.1 早期探索：统计语言模型的贡献与局限
  • 3.1.2 序列建模突破：RNN与LSTM的兴衰
  • 3.2 基石架构：Transformer架构与自注意力机制
  • 3.2.1 自注意力机制：理解上下文的关键
  • 3.2.2 并行计算优势：规模化的基石
  • 3.3 语言的数学表示：Embedding的奥秘
  • 3.3.1 从词语到向量：让机器理解语义
  • 3.3.2 上下文感知：动态变化的语义
  • 3.3.3 分词：文本预处理的关键步骤
  • 3.3.4 多模态：表示图像、声音等信息
  • 3.4 学习的艺术：预训练与微调范式
  • 3.4.1 预训练：奠定通用知识基础
  • 3.4.2 微调：适配特定任务与领域
  • 3.4.3 对齐人类：指令微调与RLHF的作用
  • 3.5 本章小结
  • 第4章 DeepSeek模型家族全解析与核心技术揭秘
  • 4.1 DeepSeek的崛起之路
  • 4.2 DeepSeek核心模型矩阵详解
  • 4.2.1 通用大模型
  • 4.2.2 代码语言模型
  • 4.2.3 推理模型
  • 4.3 DeepSeek的核心技术“杀手锏”
  • 4.3.1 数据驱动：构建卓越能力的基石
  • 4.3.2 架构创新：追求性能与效率的极致平衡
  • 4.3.3 训练策略优化：提升效率、稳定性与对齐效果
  • 4.4 技术创新总结
  • 4.5 本章小结
  • 第5章 提示词工程：与大模型对话的艺术
  • 5.1 理论基础：深刻理解提示词为何如此关键
  • 5.1.1 大模型是“模式识别与序列预测”大师
  • 5.1.2 指令微调让大模型“听从指挥”
  • 5.1.3 自注意力机制使大模型聚焦于关键信息
  • 5.2 结构化提示：设计高效提示词的核心要素
  • 5.3 零样本和少样本
  • 5.3.1 零样本提示：不给示例，仅凭指令
  • 5.3.2 少样本提示：提供示例，引导大模型进行模仿
  • 5.3.3 如何在实践中选择使用零样本还是少样本策略
  • 5.4 思维链、思维树与自我反思
  • 5.4.1 思维链：让大模型像人一样“思考”
  • 5.4.2 思维树：企业决策的“多线程推演”
  • 5.4.3 自我反思：让大模型学会“审视”和“改进”
  • 5.4.4 如何在实践中选择和应用这些推理技术
  • 5.5 企业级提示词设计实战模板
  • 5.5.1 智能客服提示词实战模板
  • 5.5.2 市场营销文案创作提示词实战模板
  • 5.6 本章小结
  • 第6章 RAG：让大模型掌握私域知识
  • 6.1 RAG架构与原理
  • 6.2 核心组件1：Embedding与向量数据库
  • 6.2.1 文本向量化：选择合适的Embedding模型
  • 6.2.2 向量存储与检索：数据库选型
  • 6.2.3 向量存储与检索：索引策略
  • 6.3 核心组件2：知识库构建与文档处理
  • 6.3.1 数据准备：文档解析、清洗与分块策略
  • 6.3.2 知识库管理：元数据、更新与维护
  • 6.3.3 知识库的增量索引策略
  • 6.4 本章小结
  • 第7章 扩展模型边界：赋予AI“行动”能力
  • 7.1 函数调用：赋予大模型连接并驱动外部世界的能力
  • 7.1.1 函数调用的核心定义与关键价值
  • 7.1.2 函数调用的核心实现原理
  • 7.2 函数调用的关键技术细节深度剖析
  • 7.2.1 函数的精确描述与规范
  • 7.2.2 函数选择与参数生成的内部决策机制
  • 7.2.3 函数的实际执行与结果的准确返回
  • 7.2.4 函数的异常处理与重试机制
  • 7.3 DeepSeek函数调用功能
  • 7.4 本章小结
  • 第8章 AI Agent：迈向真正自主的智能体
  • 8.1 从被动式助手到具备自主决策能力的智能体
  • 8.2 以大模型为“智能大脑”的协同系统
  • 8.2.1 大模型：智能体的认知与决策核心引擎
  • 8.2.2 规划模块：实现任务分解与生成行动计划的核心
  • 8.2.3 记忆模块：维持智能体行为的连贯性、实现经验学习的关键
  • 8.2.4 工具使用模块：赋予智能体与外部世界交互和行动的能力
  • 8.2.5 反思与自我修正模块：赋予智能体从经验与失败中学习和进化的能力
  • 8.3 主流智能体开发框架的技术选型与比较
  • 8.3.1 LangChain Agents：通用智能体构建框架
  • 8.3.2 LlamaIndex Agents：数据管理和检索专家
  • 8.3.3 Microsoft AutoGen：构建多智能体协同工作的框架
  • 8.3.4 选择合适的智能体框架
  • 8.4 本章小结
  • 第9章 Dify平台入门：加速AI应用开发
  • 9.1 Dify平台简介
  • 9.1.1 Dify平台的核心理念：可声明式的定义AI应用
  • 9.1.2 Dify平台的产品定位：AI应用开发与LLMOps平台
  • 9.1.3 Dify平台的发展历程与社区生态
  • 9.2 Dify平台核心概念的详解
  • 9.2.1 应用：构建和交付的AI服务实例
  • 9.2.2 知识库：RAG的关键数据管理模块
  • 9.2.3 模型提供商：模型的统一管理
  • 9.2.4 提示词编排：强大的可视化画布
  • 9.2.5 工具与插件：与外部世界交互的“手脚”
  • 9.3 环境准备
  • 9.3.1 Dify平台的部署选型
  • 9.3.2 Dify平台的部署步骤
  • 9.3.3 Dify平台大模型配置
  • 9.4 本章小结
  • 第10章 Dify平台实操：构建第一个AI应用
  • 10.1 创建AI应用与基础配置
  • 10.1.1 应用类型的选择
  • 10.1.2 应用的基础设置
  • 10.1.3 快速上手体验
  • 10.2 AI应用的可视化编排
  • 10.2.1 深刻理解Dify可视化编排画布的核心构成与各类功能节点
  • 10.2.2 有效运用指令、变量与上下文管理
  • 10.2.3 从开场白到多轮交互的智能管理
  • 10.3 AI应用与知识库的集成
  • 10.3.1 创建并管理知识库
  • 10.3.2 配置知识库的检索策略
  • 10.3.3 引用和利用知识库检索到的上下文
  • 10.4 AI应用的发布
  • 10.4.1 发布前的全面预览与深度调试
  • 10.4.2 应用的公开分享或嵌入代码
  • 10.4.3 应用的API访问与集成
  • 10.5 本章小结
  • 第11章 Dify平台企业级智能体实战案例
  • 11.1 案例一：Dify+DeepSeek搭建智能客服机器人助手
  • 11.1.1 搭建本地化电商常见问题知识库
  • 11.1.2 通过Dify平台编排智能客服助手应用
  • 11.1.3 发布智能客服应用并嵌入业务系统
  • 11.2 案例二：Dify+DeepSeek搭建数据智能分析助手
  • 11.2.1 搭建能够解释数据库关键字段的知识库
  • 11.2.2 通过Dify平台编排基于自然语言的数据智能分析助手
  • 11.2.3 发布基于自然语言的数据智能分析助手
  • 11.3 案例三：Dify+DeepSeek搭建需求智能预测引擎
  • 11.3.1 通过Dify平台编排需求智能预测引擎
  • 11.3.2 通过Dify平台发布需求智能预测引擎
  • 11.4 案例四：Dify+DeepSeek搭建出行规划助手
  • 11.4.1 配置高德出行服务MCP准备
  • 11.4.2 通过Dify平台编排高德MCP的出行规划助手
  • 11.4.3 通过Dify平台发布高德MCP的出行规划助手
  • 11.5 案例五：Dify+DeepSeek搭建合同审查助手
  • 11.5.1 通过Dify平台编排合同审查助手
  • 11.5.2 通过Dify平台发布合同审查助手
  • 11.6 本章小结
展开全部

评分及书评

尚无评分
目前还没人评分

出版方

电子工业出版社

电子工业出版社成立于1982年10月，是国务院独资、工信部直属的中央级科技与教育出版社，是专业的信息技术知识集成和服务提供商。经过三十多年的建设与发展，已成为一家以科技和教育出版、期刊、网络、行业支撑服务、数字出版、软件研发、软科学研究、职业培训和教育为核心业务的现代知识服务集团。出版物内容涵盖了电子信息技术的各个分支及工业技术、经济管理、科普与少儿、社科人文等领域，综合出版能力位居全国出版行业前列。