掃一掃
關注中圖網
官方微博
>
AI原生應用開發:提示工程原理與實戰
本類五星書更多>
-
>
貨幣大歷史:金融霸權與大國興衰六百年
-
>
(精)方力鈞作品圖錄
-
>
《藏書報》2021合訂本
-
>
(精)中國當代書畫名家作品集·范碩:書法卷+繪畫卷(全2卷)
-
>
(噴繪樓閣版)女主臨朝:武則天的權力之路
-
>
書里掉出來一只狼+狼的故事-全2冊
-
>
奇思妙想創意玩具書(精裝4冊)
AI原生應用開發:提示工程原理與實戰 版權信息
- ISBN：9787115658012
- 條形碼：9787115658012 ; 978-7-115-65801-2
- 裝幀：平裝-膠訂
- 冊數：暫無
- 重量：暫無
- 所屬分類：
AI原生應用開發:提示工程原理與實戰 本書特色
本書是一本系統的提示工程學習指南，專為幫助讀者在進行AI原生應用開發掌握提示設計的技巧、解決提示設計的真實問題而編寫。
本書圍繞提示工程展開，詳細闡述提示工程的理論基礎和實際應用。本書共 10 章，每一章都圍繞一個核心主題展開，通過原理介紹、案例分析、實戰應用等，系統介紹提示工程在 AI 原生應用開發中的應用。
本書特色
1. 內容全面：從基礎到進階、從原理到實踐，系統掌握提示工程
2. 實戰導向：包含提示工程的 100 多個實踐案例和技巧
3. 由淺入深：本書的初衷并非僅僅指導讀者如何套用各種預設的提示模板，而是通過深入理解并掌握提示工程，從而找到對大語言模型的輸出有決定性影響的關鍵因子，推動AI原生應用的落地
AI原生應用開發:提示工程原理與實戰 內容簡介
本書結合AI原生應用落地的大量實踐，系統講解提示工程的核心原理、相關案例分析和實戰應用，涵蓋提示工程概述、結構化提示設計、NLP任務提示、內容創作提示、生成可控性提示、提示安全設計、形式語言風格提示、推理提示和智能體提示等內容。 本書的初衷不是告訴讀者如何套用各種預設的提示模板，而是幫助讀者深入理解和應用提示設計技巧，以找到決定大語言模型輸出的關鍵因子，進而將提示工程的理論知識應用到產品設計中。 本書適合AI原生應用開發領域的從業者和研究人員，以及人工智能相關專業的教師和學生閱讀。
AI原生應用開發:提示工程原理與實戰 目錄
第 1章 提示工程概述 1
1.1 AI原生應用的形態 1
1.1.1 內容創作 1
1.1.2 輔助助手 2
1.1.3 能力引擎 2
1.1.4 智能體 3
1.2 AI原生應用開發面臨的機遇與挑戰 4
1.2.1 開發模式的華麗變身 4
1.2.2 技術落地的荊棘之路 4
1.3 案例演示的準備工作 5
1.3.1 使用官網接入大語言模型 5
1.3.2 使用API接入大語言模型 6
1.3.3 初次體驗 7
1.4 提示工程的本質 7
1.4.1 提示是引導生成的起點 8
1.4.2 提示是一個穩定的函數 9
1.4.3 用戶提示是完整提示的一部分 9
1.5 KITE提示框架 11
1.5.1 注入知識 12
1.5.2 明確指令 13
1.5.3 設定目標 14
1.5.4 確定邊界 15
1.6 提示調試技巧 16
1.6.1 迭代優化 16
1.6.2 給提示添加調試說明 17
1.6.3 讓模型重述任務 18
1.6.4 利用知識生成能力生成任務描述 19
1.7 小結 21
第 2章 結構化提示設計 22
2.1 結構引導設計 22
2.1.1 層次結構 22
2.1.2 輸入和輸出位置 22
2.1.3 有序列表和無序列表 23
2.1.4 解釋或補充說明 23
2.1.5 不可分割 24
2.1.6 強調內容 24
2.1.7 語義槽位 24
2.1.8 內容邊界 25
2.1.9 輸出格式 25
2.1.10 字段名稱和數據類型 26
2.1.11 輸出長度控制 27
2.2 內容引導設計 28
2.2.1 模擬對話提示 28
2.2.2 句式引導提示 28
2.2.3 前導語提示 29
2.2.4 規律提示 29
2.2.5 少樣本提示 30
2.2.6 取值范圍提示 31
2.3 提示編排設計 32
2.3.1 映射-化簡策略 33
2.3.2 長文本滾動策略 35
2.3.3 多階段拆分策略 37
2.4 小結 39
第3章 NLP任務提示 40
3.1 文本生成任務 41
3.1.1 文本摘要 41
3.1.2 觀點總結 42
3.1.3 機器翻譯 43
3.1.4 對抗文本生成 45
3.1.5 同義句轉換 45
3.2 文本分類任務 46
3.2.1 基本文本分類 46
3.2.2 文本相似度評估 48
3.2.3 文本聚類 49
3.2.4 情感分析 50
3.3 信息抽取任務 52
3.3.1 關鍵詞抽取 52
3.3.2 命名實體識別 53
3.3.3 屬性抽取 54
3.3.4 關系抽取 56
3.3.5 隱含信息抽取 57
3.4 文本整理任務 59
3.4.1 文本糾錯 59
3.4.2 表格整理 60
3.4.3 信息篩選 63
3.4.4 知識整合與更新 65
3.5 小結 67
第4章 內容創作提示 68
4.1 影響創作質量的核心要素 68
4.1.1 內容創意 69
4.1.2 受眾定位 75
4.1.3 創作目的 76
4.1.4 文體選擇 76
4.1.5 風格要求 77
4.1.6 呈現方式 82
4.2 基礎創作提示 85
4.2.1 撰寫 85
4.2.2 改寫 87
4.2.3 潤色 88
4.2.4 續寫 89
4.2.5 擴寫 89
4.3 長文本創作提示 90
4.3.1 巧用文體結構進行創作 91
4.3.2 利用人機交互進行創作 92
4.3.3 基于故事框架進行創作 93
4.4 小結 97
第5章 生成可控性提示 98
5.1 可控性問題分類 98
5.1.1 幻覺問題 98
5.1.2 指令遵循問題 99
5.1.3 內容安全問題 100
5.2 可控性影響因素 101
5.2.1 訓練數據 101
5.2.2 涌現性和多樣性 102
5.2.3 生成過程控制 102
5.3 生成參數和對話控制 103
5.3.1 生成參數調節 103
5.3.2 對話歷史管理 104
5.3.3 對話立即停止 104
5.4 基于提示的可控設計 105
5.4.1 內容范圍限定提示 105
5.4.2 前置條件限定 106
5.4.3 回答“我不知道” 108
5.4.4 使用外部知識 109
5.4.5 要求引用原文回答 110
5.4.6 使用外部工具 110
5.4.7 記憶增強提示 114
5.4.8 任務說明后置 115
5.5 基于內容審查的可控設計 116
5.5.1 基于傳統模型的內容審查 117
5.5.2 基于大語言模型的內容審查 118
5.6 小結 119
第6章 提示安全設計 120
6.1 數據泄露 121
6.1.1 模型記憶泄露 121
6.1.2 應用調用泄露 121
6.1.3 主要防御手段 122
6.2 注入攻擊 127
6.2.1 任務挾持 127
6.2.2 提示泄露 128
6.2.3 越獄攻擊 128
6.2.4 主要防御手段 130
6.3 越權攻擊 134
6.3.1 代碼解釋器漏洞 134
6.3.2 開發框架漏洞 136
6.3.3 調用工具漏洞 137
6.3.4 主要防御手段 138
6.4 小結 142
第7章 形式語言風格提示 144
7.1 利用形式語言增強提示 144
7.1.1 編譯器提示 145
7.1.2 數據類型 145
7.1.3 運算指令 150
7.1.4 控制結構 151
7.2 利用大語言模型編寫代碼 157
7.2.1 代碼生成提示 157
7.2.2 代碼優化提示 168
7.2.3 錯誤檢查提示 172
7.3 小結 177
第8章 推理提示 178
8.1 大語言模型的推理 178
8.2 基礎思維鏈 179
8.2.1 零樣本提示 179
8.2.2 少樣本提示 180
8.2.3 少樣本思維鏈提示 181
8.2.4 零樣本思維鏈提示 182
8.3 進階思維鏈 185
8.3.1 思維表提示 185
8.3.2 自我一致提示 187
8.3.3 由少至多提示 188
8.3.4 自問自答提示 192
8.4 高階思維鏈 195
8.4.1 思維樹提示 195
8.4.2 推理-行動提示 200
8.4.3 自動思維鏈提示 204
8.5 嘗試構建自己的思維鏈 208
8.5.1 自由辯論提示 209
8.5.2 圓桌會議提示 211
8.6 小結 213
第9章 智能體提示 215
9.1 什么是智能體 216
9.2 感知端 217
9.2.1 文本輸入 217
9.2.2 視覺輸入 218
9.2.3 聽覺輸入 219
9.2.4 其他輸入 219
9.3 控制端 221
9.3.1 大語言模型 221
9.3.2 任務規劃模塊 221
9.3.3 記憶模塊 227
9.4 行動端 233
9.4.1 文本輸出 233
9.4.2 工具使用 235
9.5 小結 250
第 10章 AI原生應用開發展望 252
10.1 AI原生應用的落地 252
10.1.1 遠離妄想與過度理想 252
10.1.2 重視系統之外的調整 253
10.1.3 選擇務實的技術路線 253
10.2 AI原生應用效果評估 254
10.2.1 基準模型評估 255
10.2.2 AI原生應用評估 255
10.2.3 評估指標 256
10.2.4 評估方法 259
10.2.5 評估方法的選擇 264
10.3 待解決的工程化問題 265
10.4 小結 266
展開全部
AI原生應用開發:提示工程原理與實戰 作者簡介
魏承東，某互聯網大廠資深研發工程師，擁有 10 余年技術研發經驗，在云原生、大數據、AI 原生應用開發領域擁有豐富的項目實踐經驗。其主持研發的“疫情地圖”系列產品曾服務超 10 億用戶，幫助公司獲得“工業和信息化系統抗擊新冠肺炎疫情先進集體”稱號；主持的項目曾兩次榮獲“IDC 中國未來企業大獎”，是國內較早探索大語言模型在產業落地的技術專家之一，持有國內外 30 余項發明專利。
書友推薦
- >
唐代進士錄
- >
朝聞道
- >
小考拉的故事-套裝共3冊
- >
我從未如此眷戀人間
- >
新文學天穹兩巨星--魯迅與胡適/紅燭學術叢書(紅燭學術叢書)
- >
伊索寓言-世界文學名著典藏-全譯本
- >
月亮與六便士
- >
名家帶你讀魯迅:故事新編
本類暢銷
