大模型技术是目前人工智能领域的重要发展方向之一,具有广阔的应用前景和巨大的发展潜力。本

这是一本案例驱动的LLM应用开发指南，适合具备一定编程基础的开发者阅读。通过本书，读者可以在短时间内掌握多种类型的LLM应用的开发方法，以及基于现实中的业务场景设计并实现符合用户真实诉求的AI系统。对此，本书提供了丰富的“即插即用”的案例代码和最佳实践。 本书分为8章，全面阐述LLM应用的技术体系、开发模式和落地案例，具体内容如下： 第1章 先介绍LLM的基本概念和应用场景，然后介绍LLM应用开发的核心技术，并引出主流的集成性开发框架。 第2～8章 分析大语言模型应用的场景案例，即基于常见业务场景，梳理LLM应用的系统架构和实现过程，并采用主流的开源框架完成案例场景的开发落地。每章讲解一个系统案例，包含翻译器工具、通用的文档检索助手、纠错型RAG应用、智能化的简历匹配服务、多模态处理器、定制化Agent开发、混合Agent架构设计7个具体的案例。针对每一个案例，都提供具体的应用场景分析和系统架构设计，强调其背后通用的设计思想和应用方法。同时，案例中结合LangChain、LangChain4j、LlamaIndex这3款主流的开发框架，详细介绍其功能特性、使用方法和开发实现。

本书结合多个真实的落地项目，从自然语言处理（NLP）的任务视角，分门别类地介绍现阶段各NLP任务中深度学习的应用。以任务视角是指以一个个场景项目为视角，这样做可以获得更多的实战经验。本书的每一章都有核心模型的先验链条，这对理解和掌握NLP模型非常有帮助。 本书分为9章，对应9种NLP任务。第1章介绍分词和词性标注任务。第2章介绍文本分类任务，如情感分析、文章分类与打标签等都是常见的文本分类任务。第3章介绍命名实体识别任务，如提取内容中的姓名和公司名称等，在知识图谱、内容结构化和智能对话等场景中也是该任务的具体应用。第4章介绍神经机器翻译任务，它是NLP最先商用的独立任务场景。第5章介绍文本纠错任务，它是应用非常广泛的一类NLP任务，因为凡是涉及用户输入的场景或多或少都需要用到纠错任务，否则用户体验就会很差。第6章介绍机器阅读理解任务，该任务偏学术，在实践中往往属于某个大任务下的子任务。第7章介绍句法分析任务，它是NLP中非常传统的任务。第8章介绍文本摘要任务，该类任务在新闻类业务场景中使用较多。第9章介绍信息检索和问答系统任务，凡是类似于搜索和输入这类需要等待回复的场景都可以归为该任务。 本书非常适合有一定机器学习基础而想要学习NLP相关知识的人员阅读，也适合NLP领域的从业人员作为解决具体业务问题的参考书，还适合高校相关专业作为教学用书。

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)

本书为广受读者喜爱的畅销书升级版，旨在让读者快速、简单地上手大模型应用开发。 本书为初学者提供了一份清晰、全面的“最小可用知识”，带领你快速了解 GPT-4 和 ChatGPT 的工作原理及优势，并在此基础上使用流行的 Python 编程语言构建大模型应用。升级版在旧版的基础上进行了全面更新，融入了大模型应用开发的最新进展，比如 RAG、GPT-4 新特性的应用解析等。本书提供了大量简单易学的示例，帮你理解相关概念并将其应用在自己的项目中。 准备好了吗?只需了解 Python，你即可将本书作为进入大模型时代的启动手册，开发出自己的大模型应用。 编辑推荐 1.【简单】2 小时上手构建你的头一个原生 AI 应用 2.【通透】快速、系统、透彻理解大模型底层工作原理 3.【全面】提示工程、微调、RAG 设计、Agent 开发 4.【实操】6 大应用场景项目案...(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)

本书详细介绍了开源音视频处理软件FFmpeg的使用，按照所讲述的内容及读者的不同层次，本书划分为上下两篇。上篇为基础与参数详解，介绍了FFmpeg的基本组成部分、工具使用，以及封装、转码、流媒体、滤镜和设备操作。下篇为API使用及开发，介绍了FFmpeg封装、编解码和滤镜部分的API使用操作，相关操作均以实例方式进行说明，包括新旧API的操作方法和异同，并给出了大量的API使用、自定义功能模块、基于FFmpeg的API开发自己的播放器的示例，以及其在实际开源软件中的应用等。 　　本书不仅适合音视频流媒体处理的研发人员、对音视频技术应用和实时音视频通信感兴趣的技术人员，还适合高等院校计算机相关专业的学生阅读。

资深Web技术专家经验结晶，根据Bootstrap新版本撰写，内容系统、分析深入、实战性强，前端工程师必备；全面讲解各功能组件的使用方法，以及对现有插件和扩展的二次开发；深入分析其架构思想和源码实现，以及如何开发自定义的完整插件和扩展。

本书作者基于对Hadoop系统的实践，深入浅出地对Hadoop进行了详细的讲解，包含大量的实例和技巧，可帮助有一定基础的开发者快速掌握分布式系统。主要内容包括：第1章～第4章讲解大数据系统的基本概念、Hadoop系统的关键概念，以及进行Hadoop平台管理的关键概念要素。第5章～第7章是本书的重点，深入分析了MapReduce框架，不仅包括MapReduce框架的API，还介绍MapReduce框架的更复杂概念及其设计理念。第8章～第14章介绍Hadoop生态系统，包括支持MapReduce程序的单元测试和集成测试框架、Hadoop系统的监控和日志系统、Hive框架、Pig和Crunch框架、HCatalog框架、Hadoop日志流处理、HBase等。第15章～第17章介绍了数据科学基本概念及应用、云计算实例、分布式下载服务实例等。

资深软件开发专家、架构师撰写，系统且深入阐释ElasticSearch涉及的工具、方法、原则和实践，深入剖析ElasticSearch应用过程中遇到的各个层面的问题，涉及分布式索引机制、系统监控及性能优化、用户体验改善、Java API应用，以及自定义插件开发等，能为工程师与架构师快速提高ElasticSearch水平提供有效指导。 本书共9章，第1章介绍Apache Lucene的工作方式、ElasticSearch的基本概念以及ElasticSearch的工作机制；第2章描述Lucene评分机制、如何进行查询重写，以及ElasticSearch的批处理API和如何使用过滤器来优化查询；第3章描述如何修改Lucene评分，如何使用不同的倒排索引格式来改变索引字段的结构；第4章阐述如何选择恰当的索引分片、路由工作机制、索引分片机制；第5章介绍如何为具...(展开全部)