【新书】构建大型语言模型应用：使用大型语言模型创建智能应用和代理，153页pdf

实践使用GPT 3.5、GPT 4、LangChain、Llama 2、Falcon LLM等构建LLM驱动的复杂AI应用

**关键特点

• 将大型语言模型（LLMs）嵌入实际应用中
• 使用LangChain在应用中协调LLMs及其组件
• 掌握基本和高级的提示工程技术

**图书简介

《构建LLM应用》深入探讨了LLMs提供的基本概念、前沿技术和实际应用，最终为扩展AI能力的大型基础模型（LFMs）的出现铺平了道路。 本书首先深入介绍了LLMs。接着，我们探索了各种主流的架构框架，包括专有模型（GPT 3.5/4）和开源模型（Falcon LLM），分析它们的独特优势和差异。随后，重点介绍了基于Python的轻量级框架LangChain。我们引导读者通过使用LLMs和强大的工具包创建能够从非结构化数据中检索信息并与结构化数据交互的智能代理。此外，书中还探讨了超越语言建模的LFMs领域，涵盖各种AI任务和模态，如视觉和音频。 无论你是经验丰富的AI专家还是该领域的新手，这本书都是你解锁LLMs全部潜力并开启智能机器新时代的路线图。

**你将学到什么

• LLMs架构的核心组件，包括编码-解码块、嵌入等
• 熟悉GPT-3.5/4、Llama 2和Falcon LLM等LLMs的独特功能
• 使用LangChain等AI协调器，Streamlit作为前端
• 熟悉LLMs组件，如内存、提示和工具
• 学习非参数化知识、嵌入和向量数据库
• 了解LFMs对AI研究和行业应用的影响
• 通过微调自定义你的LLMs
• 学习LLM驱动应用的伦理影响

**适合对象

本书适合希望通过LLMs构建应用的软件工程师和数据科学家。本书也适合对应用LLM主题感兴趣的技术领导者、学生和研究人员。 我们不假设读者之前有LLM的相关经验，但读者应具备基本的机器学习/软件工程基础，以理解和应用内容。

**目录

1. 介绍LLMs
2. LLMs用于AI驱动的应用
3. 为你的应用选择LLM
4. 在应用中嵌入LLMs
5. 构建对话应用
6. 开发搜索和推荐引擎
7. 生成文本应用
8. 处理结构化数据的LLMs
9. 生成代码和结构化输出
10. 构建多模态代理
11. 微调LLMs
12. 负责任的AI
13. 新兴趋势和创新

**关于作者

在完成了金融学学士学位后，Valentina Alto于2021年获得数据科学硕士学位。她在微软开始了职业生涯，担任Azure解决方案专家，自2022年以来，主要专注于在制造和制药行业工作，与数据和AI解决方案相关。Valentina与系统集成商紧密合作，特别关注部署结合现代数据平台、数据网格框架和机器学习及人工智能应用的云架构。 在学术研究过程中，她热衷于AI和Python编程，积极撰写有关统计、机器学习、深度学习和AI的技术文章，并在各种出版物上发表。