失效链接处理 |
LangChain 入门指南构徏高可复用、可扩展?LLM 应用E序 李特?PDF 下蝲
下蝲地址Q?/strong>
版权归出版社和原作者所有,链接已删除,误买正?br style="padding: 0px; margin: 0px;" />
用户下蝲说明Q?/strong>
?sh)子版仅供预览,下蝲?4时内务必删除,支持正版Q喜Ƣ的误买正版书c:(x)
https://product.dangdang.com/29666428.html
相关截图Q?br /> ![]() 资料介:(x) q本书专门ؓ(f)那些对自然语a处理技术感兴趣的读者提供了(jin)pȝ的LLM应用开发指南。全书分?1章,从LLM基础知识开始,通过LangChainq个开源框架ؓ(f)读者解L个LLM应用开发流E。第1~2章概qLLM技术的发展背景和LangChain框架的设计理c(din)从W?章开始,分章深入介绍LangChain?大模块,包括模型I/O、数据增强、链、记忆等Q通过大量代码CZ让读者了(jin)解其原理和用法。第9章通过构徏PDF问答E序Q帮助读者将之前学习(fn)的知识应用于实践。第10章则介绍集成Q可拓宽LangChain的用途。第11章ؓ(f)初学者简要解析LLM的基理论Q如Transformer模型{。本书以LangChainq个让h熟?zhn)的框架?f)ȝQ引D者一步一步掌握LLM应用开发流E,适合对大语言模型感兴的开发者、AI应用E序开发者阅?/span> 资料目录Q?br /> W? ?LangChainQ开启大语言模型时代的钥?/span> 1.1 大语a模型概述 1.1.1 什么是大语a模型 1.1.2 大语a模型的发?/span> 1.1.3 大语a模型的应用场?/span> 1.1.4 大语a模型的基知识 1.2 LangChain 与大语言模型 W? ?LangChain 入门指南 2.1 初识LangChain 2.1.1 Z么需要LangChain 2.1.2 LLM 应用开发的最? 公里 2.1.3 LangChain ? 个关键词 2.1.4 LangChain ? 个场?/span> 2.1.5 LangChain ? 大模?/span> 2.2 LangChain 的开发流E?/span> 2.2.1 开发密钥指?/span> 2.2.2 ~写一个取名程?/span> 2.2.3 创徏你的W一个聊天机器h 2.4 LangChain 表达?/span> W? ?模型I/O 3.1 什么是模型I/O 3.2 模型I/O 功能之模型包装器 3.2.1 模型包装器分c?/span> 3.2.2 LLM 模型包装?/span> 3.2.3 聊天模型包装?/span> 3.3 模型I/O 功能之提C模板 3.3.1 什么是提示词模?/span> 3.3.2 提示词模板的输入和输?/span> 3.3.3 使用提示词模板构造提C 3.3.4 样本提C模板 3.3.5 多功能提C模板 3.4 模型I/O 功能之输?gu)析?/span> 3.4.1 输出解析器的功能 3.4.2 输出解析器的使用 3.4.3 Pydantic JSON 输出解析?/span> 3.4.4 l构化输?gu)析?/span> W? ?数据增强模块 4.1 数据增强模块的相x(chng)?/span> 4.1.1 LEDVR 工作?/span> 4.1.2 数据cd 4.2 加蝲?/span> 4.3 嵌入模型包装?/span> 4.3.1 嵌入模型包装器的使用 4.3.2 嵌入模型包装器的cd 4.4 文转换?/span> 4.5 向量存储?/span> 4.5.1 向量存储库的使用 4.5.2 向量存储库的搜烦(ch)Ҏ(gu) 4.6 (g)索器 4.6.1 (g)索器的?/span> 4.6.2 (g)索器的类?/span> W? ??/span> 5.1 Z么叫?/span> 5.1.1 铄定义 5.1.2 铄使用 5.1.3 基础铄?/span> 5.1.4 工具铄?/span> 5.2 l说基础?/span> 5.2.1 LLM ?/span> 5.2.2 路由器链 5.2.3 序?/span> 5.3 四大合ƈ文档?/span> 5.3.1 Stuff ?/span> 5.3.2 Refine ?/span> 5.3.3 MapReduce ?/span> 5.3.4 重排?/span> 5.4 揭秘铄复杂?/span> 5.4.1 复杂铄“套娃”式设?/span> 5.4.2 LEDVR 工作的l点Q?ldquo;上链” W? ?记忆模块 6.1 记忆模块概述 6.1.1 记忆lg的定?/span> 6.1.2 记忆lg、链lg和Agent lg的关p?/span> 6.1.3 讄W一个记忆组?/span> 6.1.4 内置记忆lg 6.1.5 自定义记忆组?/span> 6.2 记忆增强(g)索能力的实践 6.2.1 获取外部数据 6.2.2 加入记忆lg 6.3 记忆增强Agent 能力的实?/span> 6.4 内置记忆lg的对?/span> 6.4.1 ȝ记忆lg 6.4.2 ?x)话记忆lg和会(x)话窗口记忆组件的Ҏ(gu) 6.4.3 知识图谱记忆lg和实体记忆组件的比较 W? ?Agent 模块 7.1 Agent 模块概述 7.1.1 Agent lg的定?/span> 7.1.2 Agent lg的运行机?/span> 7.1.3 Agent lg入门CZ 7.1.4 Agent lg的类?/span> 7.2 Agent lg的应?/span> 7.2.1 Agent lg的多功能?/span> 7.2.2 自定义Agent lg 7.2.3 ReAct Agent 的实?/span> 7.3 工具lg和工具包lg 7.3.1 工具lg的类?/span> 7.3.2 工具包组件的cd 7.4 Agent lg的功能增?/span> 7.4.1 Agent lg的记忆功能增?/span> 7.4.2 Agent lg的检索能力增?/span> W? ?回调处理?/span> 8.1 什么是回调处理?/span> 8.1.1 回调处理器的工作程 8.1.2 回调处理器的使用 8.1.3 自定义链lg中的回调 8.2 内置回调处理?/span> 8.3 自定义回调处理器 W? ?使用LangChain 构徏应用E序 9.1 PDF 问答E序 9.1.1 E序程 9.1.2 处理PDF 文 9.1.3 创徏问答?/span> 9.2 对话式表?/span> 9.2.1 OpenAI 函数的标记链 9.2.2 标记铄使用 9.2.3 创徏提示词模?/span> 9.2.4 数据更新和检?/span> 9.3 使用LangChain 实现BabyAGI 9.3.1 BabyAGI 介绍 9.3.2 环境与工?/span> 9.3.3 向量存储 9.3.4 构徏d?/span> 9.3.5 创徏BabyAGI 9.3.6 q行BabyAGI W?0 ?集成 10.1 集成的背景与LLM 集成 10.2 LLM 集成指南 10.2.1 Azure OpenAI 集成 10.2.2 Hugging Face Hub 集成 10.3 聊天模型集成指南 10.3.1 Anthropic 聊天模型集成 10.3.2 PaLM 2 聊天模型集成 10.3.3 OpenAI 聊天模型集成 10.4 向量库集成指?/span> 10.4.1 Chroma 集成 10.4.2 Pinecone 集成 10.4.3 Milvus 集成 10.5 嵌入模型集成指南 10.5.1 HuggingFaceEmbeddings 嵌入集成 10.5.2 LlamaCppEmbeddings 嵌入集成 10.5.3 Cohere 嵌入集成 10.6 Agent toolkits 集成指南 10.6.1 CSV Agent 的集?/span> 10.6.2 Pandas Dataframe Agent 的集?/span> 10.6.3 PowerBI Dataset Agent 的集?/span> 10.7 Retrievers 集成指南 10.7.1 WikipediaRetriever 集成 10.7.2 ArxivRetriever 集成 10.7.3 Azure Cognitive Search 集成 W?1 ?LLM 应用开发必学知?/span> 11.1 LLM 的核?j)知?/span> 11.1.1 文本嵌入 11.1.2 点积怼性和余u怼?/span> 11.1.3 注意力机?/span> 11.2 Transformer 模型 11.3 语义搜烦(ch) 11.3.1 语义搜烦(ch)的工作原?/span> 11.3.2 RAG 的工作原?/span> 11.4 NLP 与机器学?fn)基 11.4.1 LLM 应用开发中的传l机器学?fn)方?/span> 11.4.2 NLP 文本预处?/span> 11.4.3 构徏分类?/span> |