"《LangChain大模型开发实践》旨在提供一个全面、系统的LangChain学习指南。全书共7章，循序渐进地介绍LangChain的核心概念和使用方法。第1章讨论人工智能、大语言模型的发展历程和应用场景，阐述LangChain框架的设计理念和优势； 第2章详细介绍如何搭建LangChain的开发环境，引导读者编写第一个LangChain程序； 第3、4章深入剖析LangChain的基础组件和领域特定语言LCEL，帮助读者掌握构建大语言模型应用的关键技能； 第5~7章通过多个实战项目，展示如何使用 LangChain构建智能问答系统、智能文档助手和知识图谱应用，将所学知识应用到实践中。 适合具备一定Python 编程基础、对人工智能（特别是自然语言处理、大语言模型）感兴趣的读者阅读，读后可以掌握使用LangChain开发大语言模型应用的思路和方法，独立设计和实现智能应用系统。 "

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)

"《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。"

《Llama大模型实践指南》共包括7章，涵盖了从基础理论到实际应用的全方位内容。第1章深入探讨了大模型的基础理论。第2章和第3章专注于Llama 2大模型的部署和微调，提供了一系列实用的代码示例、案例分析和最佳实践。第4章介绍了多轮对话难题，这是许多大模型开发者和研究人员面临的一大挑战。第5章探讨了如何基于Llama 2定制行业大模型，以满足特定业务需求。第6章介绍了如何利用Llama 2和LangChain构建高效的文档问答模型。第7章展示了多语言大模型的技术细节和应用场景。 《Llama大模型实践指南》既适合刚入门的学生和研究人员阅读，也适合有多年研究经验的专家和工程师阅读。通过阅读本书，读者不仅能掌握Llama 2大模型的核心概念和技术，还能学会如何将这些知识应用于实际问题，从而在这一快速发展的领域中取得优势。

《Llama大模型实践指南》共包括7章，涵盖了从基础理论到实际应用的全方位内容。第1章深入探讨了大模型的基础理论。第2章和第3章专注于Llama 2大模型的部署和微调，提供了一系列实用的代码示例、案例分析和最佳实践。第4章介绍了多轮对话难题，这是许多大模型开发者和研究人员面临的一大挑战。第5章探讨了如何基于Llama 2定制行业大模型，以满足特定业务需求。第6章介绍了如何利用Llama 2和LangChain构建高效的文档问答模型。第7章展示了多语言大模型的技术细节和应用场景。 《Llama大模型实践指南》既适合刚入门的学生和研究人员阅读，也适合有多年研究经验的专家和工程师阅读。通过阅读本书，读者不仅能掌握Llama 2大模型的核心概念和技术，还能学会如何将这些知识应用于实际问题，从而在这一快速发展的领域中取得优势。

本书由科大讯飞与中国科大的大模型的资深专家联合撰写，一本书打通大模型的技术原理与应用实践壁垒，深入大模型3步工作流程，详解模型微调、对齐优化、提示工程等核心技术及不同场景的微调方案，全流程讲解6个典型场景的应用开发实践。 本书共10章，从逻辑上分为“基础知识”“原理与技术”“应用开发实践”三部分。基础知识（第1章）介绍大模型定义、应用现状、存在的问题，以及发展趋势。原理与技术（第2和3章）详细讲解大模型的构建流程、Transformer模型，以及模型微调、对齐优化、提示工程等核心技术，之后介绍了推理优化、大模型训练、大模型评估、大模型部署等拓展技术。应用开发实践（第4～10章）详细讲解大模型插件应用开发、RAG实践，以及智能客服问答、学科知识问答、法律领域应用、医疗领域应用、智能助写平台等多领域的实践。

"《大模型智能推荐系统:技术解析与开发实践》系统阐述大语言模型与推荐系统深度融合的创新实践，涵盖技术原理、开发方法及实战案例。《大模型智能推荐系统:技术解析与开发实践》分为4部分，共12章，涉及推荐系统的多个关键模块，包括技术框架、数据处理、特征工程、嵌入生成、排序优化及推荐结果评估。重点解析大语言模型在冷启动问题、长尾内容优化和个性化推荐等领域的核心技术，通过深度剖析上下文学习、Prompt工程及分布式部署等方法，展示如何利用大语言模型提高推荐精度和用户体验。同时，通过实战项目的解析，助力读者掌握高效智能推荐系统从开发到部署的全流程。《大模型智能推荐系统:技术解析与开发实践》还引用了Hugging Face的Transformer库、ONNX优化工具以及分布式推理框架等先进技术，为构建工业级推荐系统筑牢坚实基础。 《大模型智能推荐系统:技术解析与开发实践》注重理论与实践的结合，尤其适合希望将推荐技术应用于业务场景的开发者与研究人员阅读。"

本书是一本全面覆盖Spring 6框架、大模型技术以及Spring AI应用开发技术的开发指南。全书深入浅出地介绍Spring 6框架的特性和应用实践，深入探讨大模型技术和Spring AI的集成应用，涵盖多模态、RAG、Function Calling、嵌入模型、向量数据库、对话记忆和内容审查等知识。全书按照从理论基础到项目实践的顺序编排，首先阐述Spring的核心原理，如Bean管理、AOP、数据库编程等关键技术，然后详细介绍Web开发，最后延伸到大模型应用开发，以及如何在Spring项目中集成和使用DeepSeek等大模型技术。 本书包含大量示例，每个案例均配有完整的代码和详细的步骤。特别是，本书包含三个大型实战项目，分别涉及智能对话、金融分析和酒店预订的场景，并基于DeepSeeK和ChatGPT实现，为行业智能化转型提供实践参考。本书还介绍Spring 6.x、Spring Boot 3及Spring AI的最新特性，适合前沿技术的开发者参考。

"《大模型智能推荐系统:技术解析与开发实践》系统阐述大语言模型与推荐系统深度融合的创新实践，涵盖技术原理、开发方法及实战案例。《大模型智能推荐系统:技术解析与开发实践》分为4部分，共12章，涉及推荐系统的多个关键模块，包括技术框架、数据处理、特征工程、嵌入生成、排序优化及推荐结果评估。重点解析大语言模型在冷启动问题、长尾内容优化和个性化推荐等领域的核心技术，通过深度剖析上下文学习、Prompt工程及分布式部署等方法，展示如何利用大语言模型提高推荐精度和用户体验。同时，通过实战项目的解析，助力读者掌握高效智能推荐系统从开发到部署的全流程。《大模型智能推荐系统:技术解析与开发实践》还引用了Hugging Face的Transformer库、ONNX优化工具以及分布式推理框架等先进技术，为构建工业级推荐系统筑牢坚实基础。 《大模型智能推荐系统:技术解析与开发实践》注重理论与实践的结合，尤其适合希望将推荐技术应用于业务场景的开发者与研究人员阅读。"

本书是一本全面覆盖Spring 6框架、大模型技术以及Spring AI应用开发技术的开发指南。全书深入浅出地介绍Spring 6框架的特性和应用实践，深入探讨大模型技术和Spring AI的集成应用，涵盖多模态、RAG、Function Calling、嵌入模型、向量数据库、对话记忆和内容审查等知识。全书按照从理论基础到项目实践的顺序编排，首先阐述Spring的核心原理，如Bean管理、AOP、数据库编程等关键技术，然后详细介绍Web开发，最后延伸到大模型应用开发，以及如何在Spring项目中集成和使用DeepSeek等大模型技术。 本书包含大量示例，每个案例均配有完整的代码和详细的步骤。特别是，本书包含三个大型实战项目，分别涉及智能对话、金融分析和酒店预订的场景，并基于DeepSeeK和ChatGPT实现，为行业智能化转型提供实践参考。本书还介绍Spring 6.x、Spring Boot 3及Spring AI的最新特性，适合前沿技术的开发者参考。