科技 类型
可以朗读 语音朗读
112千字 字数
2025-07-01 发行日期
展开全部

主编推荐语

翻开本书，开启与万亿参数智能体的平等对话。

内容简介

本书旨在帮助非计算机专业本科生快速掌握大语言模型（LLM）的入门知识和实用技术。

全书共8章，阐述了LLM如何助力解决日常生活与科研中的难题，并深度挖掘了提示工程、检索增强技术以及LLM在智能体领域的应用等实用技巧。同时，书中还涵盖了LLM的应用环境、风险与安全技术，强调理性使用LLM技术的重要性。

借助简洁易懂的语言和实际案例，读者既能洞悉LLM的核心理念，又能熟练驾驭其实战应用，深切感受科技创新如何无缝融入日常学习、工作和生活，助力快速获取信息和提高工作效率。

目录

  • 版权信息
  • 知名LLM推荐语
  • 前言
  • 致谢
  • 第1章 导论
  • 1.1 自然语言
  • 1.1.1 歧义性
  • 1.1.2 简略性
  • 1.1.3 易变性
  • 1.2 语言模型
  • 1.2.1 基于规则的语言模型
  • 1.2.2 统计语言模型
  • 1.2.3 神经网络语言模型
  • 1.2.4 预训练语言模型
  • 1.2.5 大语言模型
  • 1.3 技术成熟度曲线
  • 1.4 总结
  • 1.5 习题
  • 第2章 语言模型基础技术
  • 2.1 统计语言模型
  • 2.2 神经网络语言模型
  • 2.2.1 Word2Vec模型
  • 2.2.2 RNN模型
  • 2.3 预训练语言模型
  • 2.3.1 编码器-解码器架构
  • 2.3.2 注意力机制
  • 2.3.3 Transformer架构
  • 2.3.4 MoE架构
  • 2.4 大语言模型
  • 2.4.1 大语言模型之大
  • 2.4.2 ChatGPT——闭源典型代表
  • 2.4.3 LLaMA——开源典型代表
  • 2.5 多模态大语言模型
  • 2.5.1 多模态定义
  • 2.5.2 多模态大语言模型的架构
  • 2.5.3 应用领域
  • 2.6 大语言模型的开发与使用模式
  • 2.6.1 预训练微调模式
  • 2.6.2 提示指令模式
  • 2.7 总结
  • 2.8 习题
  • 第3章 大语言模型的使用
  • 3.1 基本概念
  • 3.1.1 提示学习
  • 3.1.2 提示词范式
  • 3.1.3 提示工程的优势
  • 3.2 提示词的优化技巧
  • 3.2.1 清晰准确表述
  • 3.2.2 赋予身份角色
  • 3.2.3 留出思考时间
  • 3.2.4 提供相似示例
  • 3.2.5 情感物质激励
  • 3.2.6 结构化提示词
  • 3.3 思维链
  • 3.3.1 基本范式
  • 3.3.2 零样本思维链
  • 3.3.3 多思维链
  • 3.4 高级思维链
  • 3.4.1 思维树
  • 3.4.2 思维图
  • 3.5 总结
  • 3.6 习题
  • 第4章 大语言模型的多工具
  • 4.1 RAG基本概念
  • 4.1.1 必要性
  • 4.1.2 发展历程
  • 4.2 初级RAG
  • 4.3 高级RAG
  • 4.3.1 预检索
  • 4.3.2 后检索
  • 4.3.3 优缺点
  • 4.4 模块化RAG
  • 4.4.1 模块组
  • 4.4.2 模式组
  • 4.4.3 优缺点
  • 4.5 检索自由型RAG
  • 4.6 知识图谱型RAG
  • 4.6.1 知识图谱概念
  • 4.6.2 知识图谱构建
  • 4.6.3 GraphRAG
  • 4.6.4 LightRAG
  • 4.7 总结
  • 4.8 习题
  • 第5章 大语言模型的多智能体
  • 5.1 智能体基本概念
  • 5.1.1 智能体的定义
  • 5.1.2 智能体的特征
  • 5.1.3 智能体的行动力
  • 5.2 LLM作为智能体大脑
  • 5.2.1 LLM出现前的智能体
  • 5.2.2 LLM出现后的智能体
  • 5.3 单智能体模式
  • 5.3.1 单智能体特点
  • 5.3.2 ReAct框架
  • 5.3.3 ReAct示例
  • 5.3.4 ReAct特点
  • 5.4 多智能体模式
  • 5.4.1 多智能体特点
  • 5.4.2 两智能体系统
  • 5.4.3 三智能体模式
  • 5.5 群体智能体智能
  • 5.5.1 群体智能体特点
  • 5.5.2 ChatDev框架
  • 5.5.3 ChatDev示例
  • 5.6 生成式智能体
  • 5.6.1 生成式智能体特点
  • 5.6.2 斯坦福AI小镇简介
  • 5.6.3 斯坦福AI小镇框架
  • 5.7 总结
  • 5.8 习题
  • 第6章 大语言模型的多载体
  • 6.1 超大型云服务器
  • 6.1.1 基本配置
  • 6.1.2 适配的语言模型
  • 6.2 小型服务器
  • 6.2.1 基本配置
  • 6.2.2 适配的语言模型
  • 6.3 手机端
  • 6.3.1 基本配置
  • 6.3.2 MiniCPM模型
  • 6.4 数据库端
  • 6.4.1 基本配置
  • 6.4.2 HeatWave GenAI
  • 6.5 端云协同
  • 6.5.1 端云协同部署
  • 6.5.2 适配的语言模型
  • 6.5.3 技术挑战
  • 6.6 软硬件适配与协同优化
  • 6.6.1 现存软硬件配置
  • 6.6.2 大模型的软硬件适配
  • 6.6.3 大模型的软硬件协同优化
  • 6.7 总结
  • 6.8 习题
  • 第7章 大语言模型的风险及安全技术
  • 7.1 LLM面临的风险
  • 7.1.1 幻觉问题
  • 7.1.2 偏见歧视
  • 7.1.3 隐私泄露
  • 7.1.4 伦理问题
  • 7.2 LLM的安全技术
  • 7.2.1 减少幻觉和偏见
  • 7.2.2 防御提示注入攻击
  • 7.2.3 减少外部工具威胁
  • 7.2.4 严查伦理问题
  • 7.3 硅基人工智能已/将具有意识
  • 7.3.1 碳基生物
  • 7.3.2 硅基人工智能
  • 7.3.3 硅基人工智能是否已/将具有意识
  • 7.4 总结
  • 7.5 习题
  • 第8章 大语言模型的调用方式
  • 8.1 在线LLM的网页调用
  • 8.1.1 DeepSeek
  • 8.1.2 星火认知
  • 8.1.3 文心一言
  • 8.1.4 通义千问
  • 8.1.5 混元
  • 8.1.6 豆包
  • 8.1.7 ChatGPT
  • 8.1.8 DALL·E
  • 8.1.9 PixVerse
  • 8.2 在线LLM的API调用
  • 8.2.1 基础设置
  • 8.2.2 DeepSeek
  • 8.2.3 星火认知
  • 8.2.4 文心一言
  • 8.2.5 通义千问
  • 8.2.6 混元
  • 8.2.7 ChatGPT
  • 8.3 开源LLM的代码调用
  • 8.3.1 DeepSeek
  • 8.3.2 Qwen
  • 8.3.3 ChatGLM
  • 8.3.4 MOSS
  • 8.3.5 LLaMA
  • 8.4 总结
  • 8.5 习题
  • 附录
  • 附录A 实验
  • 附录B 习题参考答案
  • 参考文献
展开全部

评分及书评

尚无评分
目前还没人评分

出版方

机械工业出版社

机械工业出版社是全国优秀出版社，自1952年成立以来，坚持为科技、为教育服务，以向行业、向学校提供优质、权威的精神产品为宗旨，以“服务社会和人民群众需求，传播社会主义先进文化”为己任，产业结构不断完善，已由传统的图书出版向着图书、期刊、电子出版物、音像制品、电子商务一体化延伸，现已发展为多领域、多学科的大型综合性出版社，涉及机械、电工电子、汽车、计算机、经济管理、建筑、ELT、科普以及教材、教辅等领域。