本书是学习与实践AI工程的权威指南，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。 本书适合AI应用开发者、机器学习工程师、技术经理，以及希望系统掌握AI应用开发方法的从业者阅读，也是企业构建AI能力的重要参考指南。

《实战AI大模型》是一本旨在填补人工智能（AI）领域（特别是AI大模型）理论与实践之间鸿沟的实用手册。书中介绍了AI大模型的基础知识和关键技术，如Transformer、BERT、ALBERT、T5、GPT系列、InstructGPT、ChatGPT、GPT 4、PaLM和视觉模型等，并详细解释了这些模型的技术原理、实际应用以及高性能计算（HPC）技术的使用，如并行计算和内存优化。 同时，《实战AI大模型》还提供了实践案例，详细介绍了如何使用Colossal AI训练各种模型。无论是人工智能初学者还是经验丰富的实践者，都能从本书学到实用的知识和技能，从而在迅速发展的AI领域中找到适合自己的方向。

《实战AI大模型》是一本旨在填补人工智能（AI）领域（特别是AI大模型）理论与实践之间鸿沟的实用手册。书中介绍了AI大模型的基础知识和关键技术，如Transformer、BERT、ALBERT、T5、GPT系列、InstructGPT、ChatGPT、GPT 4、PaLM和视觉模型等，并详细解释了这些模型的技术原理、实际应用以及高性能计算（HPC）技术的使用，如并行计算和内存优化。 同时，《实战AI大模型》还提供了实践案例，详细介绍了如何使用Colossal AI训练各种模型。无论是人工智能初学者还是经验丰富的实践者，都能从本书学到实用的知识和技能，从而在迅速发展的AI领域中找到适合自己的方向。

"《大模型应用开发》系统梳理大模型应用开发的全链条知识，详解大模型应用开发过程中涉及的理论、技术、方法、过程、工具和分析案例，为开发者搭建从理论到实践的桥梁，助力解决技术落地中的实际问题，推动大模型在工业、科研、服务等领域的规模化应用，配套示例源码、PPT课件、配图PDF文件、读者微信交流群。 《大模型应用开发》共分12章，内容包括大模型基础、大模型架构、多模态大模型、提示词工程、大模型微调、检索增强生成、AI智能体、大模型应用、大模型应用架构、大模型开发框架、法律咨询智能助手、代码修复智能助手。 《大模型应用开发》既适合大模型应用开发初学者、大模型应用开发工程师、大模型应用开发研究人员、行业AI解决方案提供商，也适合高等院校及高职高专院校学习大模型应用开发的学生。"

本书以实战为导向，系统性地讲解了RAG技术的构建与优化。全书内容从数据导入、文本分块、向量嵌入到向量存储、检索优化、响应生成，再到复杂RAG范式的探索，层层递进，帮助读者全面掌握RAG技术的核心知识点和实践技巧。首先聚焦于RAG系统的基础构建，包括数据加载、文本分块、信息嵌入和向量存储；其次深入探讨检索前处理、索引优化、检索后处理和响应生成等关键环节；随后提供了一套完整的RAG系统评估体系，帮助读者量化系统的性能；最后展望RAG技术的未来，介绍了GraphRAG、上下文检索、Modular RAG、Agentic RAG和Multi-Modal RAG等前沿范式。 在推进具身智能落地的实践中，RAG技术正在重构机器人的知识处理范式。本书既有手把手的代码级指导，又包含架构设计的顶层思考，可作为AI工程师的案头工具书，也可作为CTO规划技术栈的决策参考。...(展开全部)

本书以实战为导向，系统性地讲解了RAG技术的构建与优化。全书内容从数据导入、文本分块、向量嵌入到向量存储、检索优化、响应生成，再到复杂RAG范式的探索，层层递进，帮助读者全面掌握RAG技术的核心知识点和实践技巧。首先聚焦于RAG系统的基础构建，包括数据加载、文本分块、信息嵌入和向量存储；其次深入探讨检索前处理、索引优化、检索后处理和响应生成等关键环节；随后提供了一套完整的RAG系统评估体系，帮助读者量化系统的性能；最后展望RAG技术的未来，介绍了GraphRAG、上下文检索、Modular RAG、Agentic RAG和Multi-Modal RAG等前沿范式。 在推进具身智能落地的实践中，RAG技术正在重构机器人的知识处理范式。本书既有手把手的代码级指导，又包含架构设计的顶层思考，可作为AI工程师的案头工具书，也可作为CTO规划技术栈的决策参考。...(展开全部)

本书深入介绍了LangChain平台和大模型的核心概念、应用和实战经验。从LangChain的架构出发，逐一讲解了模型输入/输出、检索、链、记忆和代理等核心组件，并结合丰富的开发场景以详细的代码呈现给读者。此外，本书还将通过几个具体案例来展示如何综合运用所学知识，通过这些案例，读者不仅可以掌握LangChain的实用技术，还可以提升解决实际问题的能力。 本书既适合初学者快速入门LangChain，深入了解大模型领域的最新技术，也适合专业开发者拓展技能，上手大模型应用的开发。 编辑推荐 1. LangChain 0.1 版本：本书代码基于LangChain首个稳定版本v0.1.0（2024年1月发布）编写，确保读者能够将理论知识转化为可靠的实际应用。 2. 实战代码示例：本书围绕自动客服系统的业务场景，通过多个精心设计的实战案例，引导读者巧妙运用Lan...(展开全部)

本书基于大模型成功赋能AI搜索经验总结，系统梳理AI搜索的实现原理、核心技术、关键工具及模块化实现，带你从0到1搭建专属AI搜索应用，跑通全流程；配套全流程源码，降低开发门槛，轻松构建专属AI搜索应用。 本书共8章。第1章从多个维度分析大模型技术，帮助读者理解其技术变革与应用的本质，最后分析了大模型落地难点，让读者对大模型有全面认知。第2章梳理AI搜索从关键词匹配到语义理解的发展路径，并以LeptonSearch为例解析源码实现，帮读者构建AI搜索的初步认知框架。第3章全面解析查询理解、规划执行、答案内容优化以及答案缓存优化等AI搜索的关键技术，旨在帮助读者深入理解AI搜索系统的内部运作机制与实现。第4章介绍OpenAI API、DeepSeek、LangChain、Milvus等技术及其应用，帮助读者降低开发门槛。第5章讲解如何从零开始构建一个AI搜索系统的后端架构，涵盖后端技术方案设计、基础框架构建，为后续功能开发打好基础。第6章详解AI搜索系统的五大核心模块（实体、分析器、检索器、生成器、过滤器）的功能定位与代码实现，以构建一个结构清晰、职责分明的AI搜索引擎内核。第7章聚焦于系统的自动化调度设计，如动作类的定义与实现、调度器模块的构建，提升系统的智能化水平。第8章详解应用层（DAO操作层、Service逻辑层、Controller接口层）的开发流程，最后提供多个接口实现示例，并通过3个场景来测试AI搜索效果。

本书基于大模型成功赋能AI搜索经验总结，系统梳理AI搜索的实现原理、核心技术、关键工具及模块化实现，带你从0到1搭建专属AI搜索应用，跑通全流程；配套全流程源码，降低开发门槛，轻松构建专属AI搜索应用。 本书共8章。第1章从多个维度分析大模型技术，帮助读者理解其技术变革与应用的本质，最后分析了大模型落地难点，让读者对大模型有全面认知。第2章梳理AI搜索从关键词匹配到语义理解的发展路径，并以LeptonSearch为例解析源码实现，帮读者构建AI搜索的初步认知框架。第3章全面解析查询理解、规划执行、答案内容优化以及答案缓存优化等AI搜索的关键技术，旨在帮助读者深入理解AI搜索系统的内部运作机制与实现。第4章介绍OpenAI API、DeepSeek、LangChain、Milvus等技术及其应用，帮助读者降低开发门槛。第5章讲解如何从零开始构建一个AI搜索系统的后端架构，涵盖后端技术方案设计、基础框架构建，为后续功能开发打好基础。第6章详解AI搜索系统的五大核心模块（实体、分析器、检索器、生成器、过滤器）的功能定位与代码实现，以构建一个结构清晰、职责分明的AI搜索引擎内核。第7章聚焦于系统的自动化调度设计，如动作类的定义与实现、调度器模块的构建，提升系统的智能化水平。第8章详解应用层（DAO操作层、Service逻辑层、Controller接口层）的开发流程，最后提供多个接口实现示例，并通过3个场景来测试AI搜索效果。

这是一本面向初中级读者的Agent学习指南，作者既是资深的AI技术专家，又是经验丰富的项目导师，融合作者亲身实践、培训反馈与官方资源，为Agent使用者和开发者提供了快速上手的实用指导。 本书从基础知识、操作和应用开发3个维度循序渐进地讲解Agent实战技巧，分为三篇： ?基础篇（1~2章） 介绍Agent定义、发展历程、常用开源技术、主要组件等基础知识和开发环境的搭建过程。 ?应用篇（3~6章） 从通用型、任务驱动型、辅助开发型和检索增强型 4大类，通过AutoGPT、MemGPT、BabyAGI、Camel、Devika、CodeFuse-ChatBot、DB-GPT、QAnything这8种具体类型，详细描述Agent的安装、配置和使用等操作步骤。 ?开发篇（7~16章） 展开分析10个不同场景的Agent应用开发实例。一方面，以AgentScope、LangChain、LangGraph、AutoGen、LlamaIndex、CrewAI、Qwen-Agent这7种被广泛应用的开源Agent开发框架为基础，针对每个框架各讲解一个开发案例。另一方面，通过案例介绍Agent开发过程中关键的Function-calling特性及大语言模型开发技术。此外，对基于CogVLM2的多模态模型应用开发，也提供详细的案例演示。