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。

"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。 "

本书介绍的“后台开发”指的是“服务端的网络程序开发”，C++可能是计算机历史上最早被发明的高级程序语言，同时也是当今最活跃的程序设计语言之一。C++很强大，强大到你可以使用它做任何层面的开发；C++也很脆弱，脆弱到需要程序员自己去控制内存回收，一个不小心就会使整个程序Core Dump。C++语言的创始人Bjarne Stroustrup曾私下承认，为了提高C++程序员的薪水和地位，在设计C++编译器版本过程中有意地增加了C++语言的难度，使C++更偏向于资深程序员的使用习惯，提高学习门槛，从而增加C++程序员的身价。学习曲线的增加并不是没有任何回报的，在服务端后台开发、处理多并发的海量网络请求方面，C++语言有天然的优势。因此，当应用的用户量、并发量迅速增长，达到一定量级之后，后端服务的技术架构都会转变为Linux C++。研发是一项讲究实战的工作，一切不从实际工作出发的技术书籍都是纸上谈兵，没有实际意义。一本优秀的技术书籍应该是这样的：当读者按照书中的内容进行实操的时候，读者写的每一行代码都是有价值的，能够在实际工作中派上用场。本书恰好做到了这一点。这是一位技术书籍作者对读者的起码诚意。

"《大模型核心技术与开发实践：基于Transformer、PyTorch及Hugging Face》系统地介绍大语言模型（LLM）的理论基础、实现方法及在多种场景中的应用实践。共分为12章，第1~3章介绍Transformer模型的基本架构与核心概念，包括编解码器的结构、自注意力机制、多头注意力的设计和工作原理；第4~6章结合实际案例，讲解如何利用PyTorch和Hugging Face库构建、训练和微调LLM；第7~9章介绍生成模型的推理和优化技术，包括量化、剪技、多GPU并行处理、混合精度训练等，以提高模型在大规模数据集上的训练和推理效率；第10、11章通过实例讲解Transformer在实际NLP任务中的应用以及模型可解释性技术；第12章通过一个企业级文本分析平台项目的搭建，介绍从数据预处理、文本生成、高级分析到容器化与云端部署的完整流程，并提供了代码示例、模块化测试和性能评估方法，帮助读者实际构建满足企业需求的智能应用系统。 《大模型核心技术与开发实践：基于Transformer、PyTorch及Hugging Face》覆盖了当前广泛关注的LLM技术热点，并提供了丰富的实例代码，适合大模型开发人员、大模型应用工程师、算法工程师以及计算机专业的学生，亦可作为高校人工智能课程的相关教学用书。"

"《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。"

"《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。 "

本书系统地讲解了大语言模型的实战应用过程，涵盖基础知识、常见操作和应用开发3个方面，帮助大语言模型的使用者、应用开发者循序渐进地掌握大模型的原理、操作以及多个场景下的应用开发技能。全书共18章，分为三篇： ?基础篇介绍大语言模型的基础知识、应用架构和应用工作模式。 ?操作篇详细讲解大模型的实操环节，包括环境搭建、多种有代表性的开源大语言模型的安装、微调与量化等常见操作。 ?开发篇讲述大语言模型在Chat、辅助编程、RAG、翻译、AI Agent、智能语音对话、数字人、模型训练、AI小镇这9个领域的应用开发过程，从工作原理、源码分析、部署运行和测试验证等方面进行了详细介绍。中间还穿插讲解了VS Code插件的开发，丰富了应用运行的场景。

本书系统地讲解了大语言模型的实战应用过程，涵盖基础知识、常见操作和应用开发3个方面，帮助大语言模型的使用者、应用开发者循序渐进地掌握大模型的原理、操作以及多个场景下的应用开发技能。全书共18章，分为三篇： ?基础篇介绍大语言模型的基础知识、应用架构和应用工作模式。 ?操作篇详细讲解大模型的实操环节，包括环境搭建、多种有代表性的开源大语言模型的安装、微调与量化等常见操作。 ?开发篇讲述大语言模型在Chat、辅助编程、RAG、翻译、AI Agent、智能语音对话、数字人、模型训练、AI小镇这9个领域的应用开发过程，从工作原理、源码分析、部署运行和测试验证等方面进行了详细介绍。中间还穿插讲解了VS Code插件的开发，丰富了应用运行的场景。

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。

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。