LLM的瑞士刀：用LangChain極速開發可擴充大型應用程式

　　這本書針對對自然語言處理技術感興趣的讀者，提供了系統化的LLM應用程式開發指南。

　　全書分為11章，從LLM基礎知識開始，透過LangChain這個開放原始碼框架為讀者解讀整個LLM應用程式開發流程。

　　第1~2章概述LLM技術的發展背景和LangChain框架的設計理念。

　　從第3章開始，分章深入介紹LangChain的6大模組，包括模型I/O、資料增強、鏈、記憶等，透過大量程式範例讓讀者了解其原理和用法。

　　第9章透過建構PDF問答程式，幫助讀者將之前學習的知識應用於實踐。

　　第10章則介紹整合，可拓寬LangChain的用途。

　　第11章為初學者簡要解析LLM的基礎理論，如Transformer模型等。

　　本書以LangChain這個讓人熟悉的框架為主線，引導讀者一步一步掌握LLM應用程式開發流程，適合對大語言模型感興趣的開發者、AI應用程式開發者閱讀。

本書特色

　　●    吳恩達親自教學的LangChain套件詳解
　　●    市面第一本中文書操控LLM
　　●    模型I/O模組，RAG模組，鏈的概念
　　●    Chat對應的重心 - 記憶模組
　　●    實際執行鏈的角色 – Agent模組
　　●    回呼處理器
　　●    PDF、TXT、WIKI、網頁、OFFICE各種文件載入
　　●    向量資料庫的概念
 

1 LangChain：開啟大型語言模型時代的鑰匙
1.1 大型語言模型概述
1.2 LangChain 與大型語言模型

2 LangChain 入門指南
2.1 初識LangChain
2.2 LangChain 的開發流程
2.3 LangChain 運算式

3 模型I/O
3.1 什麼是模型I/O
3.2 模型I/O功能之模型包裝器
3.3 模型I/O功能之提示詞範本
3.4 模型I/O功能之輸出解析器

4 資料增強模組
4.1 資料增強模組的相關概念
4.2 載入器
4.3 嵌入模型包裝器
4.4 文件轉換器
4.5 向量儲存庫
4.6 檢索器

5 鏈
5.1 為什麼叫鏈
5.2 細說基礎鏈
5.3 四大合併文件鏈
5.4 揭秘鏈的複雜性

6 記憶模組
6.1 記憶模組概述
6.2 記憶增強檢索能力的實踐
6.3 記憶增強Agent能力的實踐
6.4 內建記憶元件的對比

7 Agent模組
7.1 Agent模組概述
7.2 Agent元件的應用
7.3 工具元件和工具套件元件
7.4 Agent元件的功能增強

8 回呼處理器
8.1 什麼是回呼處理器
8.2 內建回呼處理器
8.3 自訂回呼處理器

9 使用LangChain建構應用程式
9.1 PDF問答程式
9.2 對話式表單
9.3 使用LangChain實現BabyAGI

10 整合
10.1 整合的背景與LLM整合
10.2 LLM整合指南
10.3 聊天模型整合指南
10.4 向量資料庫整合指南
10.5 嵌入模型整合指南
10.6 Agent toolkits 整合指南
10.7 Retrievers整合指南

11 LLM應用程式開發必學知識
11.1 LLM的核心知識
11.2 Transformer模型
11.3 語義搜尋
11.4 NLP與機器學習基礎

A LangChain框架中的主要類別
B OpenAI平臺和模型介紹
C Claude 2模型介紹
D Cohere 模型介紹
E PaLM 2 模型介紹
F Pinecone 向量資料庫介紹
G Milvus 向量資料庫介紹

作者簡介



李特麗

　　LangChain中文網聯合創始人，優秀的軟體工程師。曾翻譯LangChain、OpenAi、Milvus等AI開發三件套的中文文檔，幫助中國開發者快速上手AI開發。

康軼文

　　LangChain中文網創始人，2005年從個人站長做起，成為第一代SEO「大神」；2012年轉型移動互聯網營銷，成為中國Apple Ads代理商，獲得蘋果千萬美元授信；2022年轉型月付制AI數位員工全托管服務，是一位經驗豐富的數位員工和人工智慧應用專家。