人工智能是人类探索未来的重要领域之一，以ChatGPT为代表的大模型应用一经推出在短短几个月时间内火爆全球。大模型代表了自然语言处理领域的一项伟大成就，它的诞生和发展正引领着我们走向全新的创作时代。 本书共9章，深入探讨了大模型的工作原理和使用方法——提示工程，并研究了提示工程在电子商务、创意营销、内容创作、办公和编程等场景中的应用，以及如何赋能软件生态的发展等。 本书旨在帮助读者了解提示工程的应用场景和实践案例。无论您是技术领域的专业人士，还是对新兴技术充满好奇心的读者，我们都希望本书能激发您的思考，并为您展示一个崭新的创作世界。

人工智能是人类探索未来的重要领域之一，以ChatGPT为代表的大模型应用一经推出在短短几个月时间内火爆全球。大模型代表了自然语言处理领域的一项伟大成就，它的诞生和发展正引领着我们走向全新的创作时代。 本书共9章，深入探讨了大模型的工作原理和使用方法——提示工程，并研究了提示工程在电子商务、创意营销、内容创作、办公和编程等场景中的应用，以及如何赋能软件生态的发展等。 本书旨在帮助读者了解提示工程的应用场景和实践案例。无论您是技术领域的专业人士，还是对新兴技术充满好奇心的读者，我们都希望本书能激发您的思考，并为您展示一个崭新的创作世界。

《多模态大模型：技术原理与实战》详细介绍了大语言模型和多模态大模型的发展历史、技术原理和亮点、主要的开源框架、配套工具、部署细则和实战案例。为了让读者更好地进行大模型的应用实战，本书还详细介绍了使用大模型为商业赋能的3个应用案例。期望本书能够帮助读者打开通往大模型尤其是多模态大模型的学习、实战和商业成功之路。 《多模态大模型：技术原理与实战》适用于从事人工智能工作的专业技术人员，比如算法工程师、研发工程师等，也适用于对多模态大模型感兴趣的各类从业者，比如产品经理、项目经理和各级管理人员等。

本书详细解析了RAG（Retrieval-Augmented Generation，检索增强生成）技术及其应用，从文档的分块与向量化，到利用深度学习模型进行向量检索，再到结合Prompt技术以实现精准响应，每个知识点都有清晰的逻辑阐述与实践案例；同时，介绍了PyTorch编程基础与深度学习核心概念。此外，本书还涵盖了一系列实用技术，如Web可视化工具Streamlit与Gradio的使用，以及如何利用这些工具快速构建交互式界面，直观展示RAG技术的效果。最后，通过动手实现PDF阅读器的实例，读者能亲自体验从理论到实践的过程，加深对RAG技术的理解与掌握。 本书内容通俗易懂，适合对文档搜索和RAG应用感兴趣的读者阅读，也可以作为从事大语言模型相关工作的人员的参考书。

内容简介 这是一本全面讲解RAG技术原理、实战应用与系统构建的著作。作者结合自身丰富的实战经验，详细阐述了RAG的基础原理、核心组件、优缺点以及使用场景，同时探讨了RAG在大模型应用开发中的变革与潜力。书中不仅揭示了RAG技术背后的数学原理，还通过丰富的案例与代码实现，引导读者从理论走向实践，轻松掌握RAG系统的构建与优化。无论你是深度学习初学者，还是希望提升RAG应用技能的开发者，本书都将为你提供宝贵的参考与指导。 通过阅读本书，你将掌握以下知识： ?透彻理解RAG的召回和生成模块算法 ?高级RAG系统的技巧 ?RAG系统的各种训练方式方法 ?深入了解RAG的范式变迁 ?实战0基础搭建RAG系统 ?实战高级RAG系统微调与流程搭建

"本书从大型模型的结构讲起，让读者了解大型模型的内部实现原理，然后讲解如何在特定任务下对大型模型进行预训练、有监督的微调，以及进行强化学习。通过对模型采用不同方法的训练，持续改进模型在特定任务上的性能。最后，本书将与读者一起探讨如何利用大型模型开发大模型时代的智能应用。 本书共9章，第1章讲解大型模型发展的历史及其带来的变革。第2章深入讲解大型模型内部结构的演进。第3章会尝试自己运行一个大模型。第4章介绍大型模型对模型训练和推理过程中带来的技术挑战和解决办法。第5章讲解如何进行大型模型的预训练以获取大模型的基本能力。第6章讲解如何对大模型进行有监督的微调，使大型模型输出与人类意图对齐。第7章讲解如何通过强化学习进一步提升大型模型的表现。第8章讲解如何对大模型进行评估。第9章讲解如何利用大模型构建智能应用。 本书适合有一定深度学习基础的读者，帮助他们从原理到应用，快速了解大型模型的原理、训练方法，并利用大型模型进行智能应用的开发。 "

本书从技术角度深度解析大模型的原理，从大模型的基础概念及领域发展现状入手，概述大模型的理论基础，介绍OpenAI GPT、清华大学GLM、Meta Llama等主流大模型的技术原理，并从大模型参数高效微调、大模型指令微调、大模型训练优化和大模型推理优化等多角度解析大模型背后的技术，带领读者全方位掌握大模型的原理和实践方法。本书最后介绍私有大模型的构建，手把手指导读者做技术选型并搭建自己的私有大模型。 本书适合人工智能领域有大模型开发需求或对大模型技术感兴趣的技术人员阅读，也适合普通用户扩展了解大模型的前沿应用。

本书从技术角度深度解析大模型的原理，从大模型的基础概念及领域发展现状入手，概述大模型的理论基础，介绍OpenAI GPT、清华大学GLM、Meta Llama等主流大模型的技术原理，并从大模型参数高效微调、大模型指令微调、大模型训练优化和大模型推理优化等多角度解析大模型背后的技术，带领读者全方位掌握大模型的原理和实践方法。本书最后介绍私有大模型的构建，手把手指导读者做技术选型并搭建自己的私有大模型。 本书适合人工智能领域有大模型开发需求或对大模型技术感兴趣的技术人员阅读，也适合普通用户扩展了解大模型的前沿应用。

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。