《AI工程：大模型应用开发实战》【越】奇普·萱

如何自学 占星术 占星教程网盘 塔罗牌教程百度网盘

《AI工程：大模型应用开发实战》【越】奇普·萱【文字版_PDF电子书_】

内容简介：

本书是学习与实践AI工程的权威指南，由业内知名AI专家、畅销书作者Chip Huyen撰写。 全书系统阐述了“AI工程”的核心方法——如何基于现成的基础模型(LLM、LMM)构建高效、实用的AI应用。书中提供了完整的AI工程框架，涵盖模型选择与评估、提示工程、RAG与智能体、微调策略、数据集工程、推理优化及AI工程架构等关键环节，帮助开发者在复杂的AI生态中做出科学的技术决策。作者结合丰富的业界经验，通过大量真实案例与可操作的方法，展示了如何让AI应用更快、更可靠、更具扩展性。

本书适合AI应用开发者、机器学习工程师、技术经理，以及希望系统掌握AI应用开发方法的从业者阅读，也是企业构建AI能力的重要参考指南。

作者简介：

奇普·萱(Chip Huyen)

计算机科学家、作家，深耕于AI、数据与叙事艺术的跨界地带。

毕业于斯坦福大学，并曾在该校教授“Machine Learning Systems Design”(CS 329S)课程。创立了一家AI基础设施初创公司(后被成功收购)。此前曾就职于Snorkel AI和NVIDIA。

着有《机器学习系统设计》(Designing Machine Learning Systems，O’Reilly)，已被翻译成十余种语言，长居Amazon人工智能图书畅销榜榜首，在全球开发者中拥有广泛的影响力。新作《AI工程》已经成为当前AI领域最有影响的图书之一，AI工程师必读。

【译者简介】

宝玉

提示工程师、极客时间专栏“软件工程之美”作者，专注于将前沿AI能力转化为可落地的生产力工具与方法论。

知名AI博主：微博粉丝超百万，连续三年蝉联“微博年度科技行业影响力大V”;Twitter Leaderboard全球榜单TOP 10博主。

关注@宝玉xp(微博) @dotey(X)，获取关于提示工程与AI工程的前沿洞见。

审校者简介

何文斯

Dify全球GTM增长负责人、公众号“何文斯”作者。主要研究方向为大模型中间件技术、RAG与智能体等AI应用工程化体系。业余时间分享大模型与AI技术科普实践心得，希望用通俗的方式帮助更多人理解并用好新技术。

李瀚

AI工程领域专家，拥有10余年AI架构设计与开发经验，曾在第四范式、百度等公司担任架构师及技术总监等职位。主导过多款AI平台及产品的设计与开发，服务过多家500强企业的AI转型咨询交付。着有《探秘大模型应用开发》。

目  录：

译者序

前言

第 1章 使用基础模型构建AI应用入门

1.1 AI工程的兴起

1.1.1 从语言模型到大型语言模型

1.1.2 从大型语言模型到基础模型

1.1.3 从基础模型到AI工程

1.2 基础模型的应用场景

1.2.1 编程

1.2.2 图像和视频制作

1.2.3 写作

1.2.4 教育

1.2.5 对话机器人

1.2.6 信息聚合

1.2.7 数据组织

1.2.8 工作流自动化

1.3 规划AI应用

1.3.1 用例评估

1.3.2 设定目标

1.3.3 里程碑规划

1.3.4 维护

1.4 AI工程技术栈

1.4.1 AI技术栈的三个层次

1.4.2 AI工程与ML工程

1.4.3 AI工程与全栈工程

1.5 小结

第 2章 理解基础模型

2.1 训练数据

2.1.1 多语言模型

2.1.2 特定领域模型

2.2 建模

2.2.1 模型架构

2.2.2 模型规模

2.3 后训练

2.3.1 监督微调

2.3.2 偏好微调

2.4 采样

2.4.1 采样基础知识

2.4.2 采样策略

2.4.3 测试时计算

2.4.4 结构化输出

2.4.5 AI的概率特性

2.5 小结

第3章 评估方法论

3.1 评估基础模型的挑战

3.2 理解语言建模指标

3.2.1 熵

3.2.2 交叉熵

3.2.3 BPC与BPB

3.2.4 困惑度

3.2.5 困惑度的解释与应用场景

3.3 精确评估

3.3.1 功能正确性

3.3.2 与参考数据的相似度测量

3.3.3 嵌入简介

3.4 AI当裁判

3.4.1 为什么用AI当裁判

3.4.2 如何用AI当裁判

3.4.3 以AI为裁判的局限性

3.4.4 哪些模型可以作为裁判

3.5 使用比较评估对模型进行排名

3.5.1 比较评估面临的挑战

3.5.3 比较评估的未来

3.6 小结

第4章 评估AI系统

4.1 评估标准

4.1.1 领域特定能力

4.1.2 生成能力

4.1.3 指令遵循能力

4.1.4 成本和延迟

4.2 模型选择

4.2.1 模型选择工作流

4.2.2 模型的自建与购买

4.2.3 利用公开基准测试

4.3 设计你的评估流程

4.3.1 第 一步：评估系统中的所有组件

4.3.2 步骤2：创建评估指南

4.3.3 步骤3：定义评估方法和数据

4.4 小结

第5章 提示工程

5.1 提示词简介

5.1.1 上下文学习：零样本和少样本

5.1.2 系统提示词和用户提示词

5.1.3 上下文长度与上下文效率

5.2 提示工程最佳实践

5.2.1 撰写清晰明确的指令

5.2.2 提供充足的上下文

5.2.3 将复杂任务拆分为更简单的子任务

5.2.4 给模型更多思考时间

5.2.5 对提示词进行迭代优化

5.2.6 评估提示工程工具

5.2.7 提示词的组织与版本管理

5.3 防御性提示工程

5.3.1 专有提示词与反向提示工程

5.3.2 越狱与提示词注入

5.3.3 信息提取

5.3.4 针对提示词攻击的防御措施

5.4 小结

第6章 RAG与智能体

6.1 RAG

6.1.1 RAG架构

6.1.2 检索算法

6.1.3 检索优化

6.1.4 超越文本的RAG

6.2 智能体

6.2.1 智能体概述

6.2.2 工具

6.2.3 规划

6.2.4 智能体的故障模式与评估

6.3 记忆

6.4 小结

第7章 微调

7.1 微调概述

7.2 何时进行微调

7.2.1 进行微调的原因

7.2.2 不进行微调的原因

7.2.3 微调与RAG

7.3 内存瓶颈

7.3.1 反向传播与可训练参数

7.3.2 内存计算

7.3.3 数值表示

7.3.4 量化

7.4 微调技术

7.4.1 PEFT

7.4.2 模型合并与多任务微调

7.4.3 微调策略

7.5 小结

第8章 数据集工程

8.1 数据策展

8.1.1 数据质量

8.1.2 数据覆盖度

8.1.3 数据量

8.1.4 数据获取与数据标注

8.2 数据增强与数据合成

8.2.1 为什么要进行数据合成

8.2.2 传统的数据合成方法

8.2.3 AI驱动的数据合成方法

8.2.4 模型蒸馏

8.3 数据处理

8.3.1 数据检查

8.3.2 数据去重

8.3.3 数据清理与过滤

8.3.4 数据格式化

8.4 小结

第9章 推理优化

9.1 理解推理优化

9.1.1 推理概述

9.1.2 推理性能指标

9.1.3 AI加速器

9.2 推理优化的实现

9.2.1 模型优化

9.2.2 推理服务优化

9.3 小结

第 10章 AI工程架构与用户反馈

10.1 AI工程架构

10.1.1 增强上下文

10.1.2 设置防护措施

10.1.3 添加路由器和网关

10.1.4 通过缓存技术降低延迟

10.1.5 添加智能体模式

10.1.6 监控与可观测性

10.1.7 AI流水线编排

10.2 用户反馈

10.2.1 提取对话反馈

10.2.2 反馈设计

10.2.3 反馈的局限性

10.3 小结

浏览器不支持脚本！

AI工程 基础模型 提示工程

摘要：《AI工程：大模型应用开发实战》是一部聚焦人工智能应用开发与工程实践的重要著作。作者奇普·萱以系统化视角梳理了大模型技术从基础理论到实际落地的完整路径，既涵盖模型原理、提示工程、数据处理等核心内容，也深入探讨了应用构建、系统部署以及企业级实践中的关键问题。全书注重理论与实践结合，通过丰富案例展示大模型在不同场景中的应用价值，使读者能够从技术认知逐步过渡到项目实操。面对人工智能快速发展的时代背景，本书不仅帮助开发者掌握先进技术工具，更强调工程思维与产品思维的融合，为构建高质量智能应用提供方法论支持。无论是初学者希望建立系统知识体系，还是有经验的开发者寻求项目落地经验，都能够从中获得启发。通过对技术趋势、开发流程、实践经验以及未来方向的全面解析，本书展现了大模型时代AI工程的发展脉络，也为行业从业者提供了具有现实指导意义的参考价值。

一、大模型技术体系解析

《AI工程：大模型应用开发实战》首先从大模型的技术基础出发，对当前人工智能领域的发展现状进行了系统梳理。书中详细介绍了大模型的形成背景、技术演进以及核心架构，使读者能够理解人工智能从传统机器学习向生成式人工智能发展的重要转变。通过清晰的逻辑结构，复杂的技术概念被拆解得更加易于理解。

在模型原理部分，作者围绕神经网络、Transformer架构以及预训练机制展开讲解。通过对模型训练流程的分析，读者能够了解大模型为何具备强大的语言理解与生成能力。同时，书中还解释了参数规模扩张对模型性能提升所产生的影响，帮助开发者建立完整的认知框架。

除了理论介绍之外，书中还对模型能力边界进行了客观分析。大模型虽然拥有强大的推理和生成能力，但仍然存在幻觉、知识时效性不足以及推理稳定性等问题。作者通过大量实例说明这些问题产生的原因，并提出相应的优化思路，使读者能够更加理性地认识技术优势与局限。

针对当前主流模型生态的发展情况，书中还介绍了开源模型与闭源模型之间的差异。从训练成本、部署方式到应用场景，不同模型路线展现出各自特点。通过对比分析，开发者可以根据实际需求选择更加适合自身项目的技术方案。

二、应用开发流程实践指南

作为一本强调实战的技术著作，《AI工程：大模型应用开发实战》将大量篇幅放在应用开发流程之上。作者认为，大模型价值的真正体现并不只是模型本身，而是在于如何构建完整可用的应用系统。因此，全书围绕需求分析、架构设计、开发实现和上线部署形成了一套完整方法论。

在需求分析阶段，书中特别强调业务场景的重要性。开发者需要深入理解用户需求，而不是单纯追求技术先进性。通过明确问题边界和业务目标，才能有效发挥大模型的能力。这种从业务出发的思维方式，有助于避免资源浪费和方向偏差。

提示工程是书中重点讨论的内容之一。作者详细介绍了提示词设计原则、上下文管理方法以及多轮对话优化策略。通过不同案例演示，读者能够掌握如何利用高质量提示提升模型输出效果，从而增强应用的稳定性与准确性。

在系统开发部分，书中进一步讲解了接口调用、功能模块设计以及数据流转机制。无论是聊天机器人、智能助手还是内容生成平台，都需要完善的软件工程体系作为支撑。作者将传统软件开发经验与AI开发特点相结合，为读者提供了具有实际操作价值的指导。

三、工程部署与性能优化

大模型项目从实验阶段走向实际应用，需要面对大量工程化挑战。《AI工程：大模型应用开发实战》专门针对部署与优化问题进行了深入探讨。书中指出，真正决定项目成功与否的往往不是模型能力，而是系统整体运行效率和稳定性。

在部署层面，作者分析了本地部署、云端部署以及混合部署等多种模式。不同方案在成本、安全性和性能方面存在明显差异。通过具体案例比较，开发者能够根据企业规模和业务需求选择最优实施路径，从而实现资源利用最大化。

面对模型推理成本较高的问题，书中提出了一系列优化策略。例如模型量化、缓存机制、负载均衡以及推理加速技术等，都能够有效提升系统响应速度。这些工程经验对于建设高并发、大规模AI应用具有重要参考价值。

安全与可靠性同样是作者重点关注的领域。随着大模型逐渐进入企业核心业务，数据安全和权限管理的重要性不断提升。书中从数据保护、访问控制以及风险监测等多个角度进行分析，帮助开发者构建更加可信的智能系统。

此外，监控与运维体系建设也是工程实践的重要组成部分。通过建立性能指标监测、异常告警以及日志分析机制，开发团队能够及时发现问题并持续优化系统表现，从而保证应用长期稳定运行。

四、行业应用与未来趋势展望

《AI工程：大模型应用开发实战》不仅关注技术实现，也十分重视行业落地价值。书中通过多个真实案例展示了大模型在教育、金融、医疗、制造以及互联网等领域的应用情况，使读者能够看到技术与产业结合所产生的巨大潜力。

在教育领域，大模型能够实现智能辅导、个性化学习以及自动内容生成。通过分析学习行为和知识掌握情况，系统可以为学生提供更加精准的学习建议。这种智能化服务模式正在推动教育方式不断创新。

在企业管理场景中，大模型展现出提升效率的重要作用。从知识库问答到办公自动化，再到数据分析与决策支持，人工智能正在成为企业数字化转型的重要驱动力。书中案例充分说明，合理应用大模型能够显著降低运营成本并提升工作效率。

面对未来发展趋势，作者认为多模态技术将成为重要方向。随着文本、图像、音频和视频处理能力不断融合，大模型将具备更加全面的信息理解能力。未来的智能系统不仅能够理解语言，还能够感知更加丰富的现实世界信息。

与此同时，智能体技术的发展也受到高度关注。通过赋予模型自主规划和任务执行能力，AI将逐步从单纯的内容生成工具转变为具备行动能力的数字助手。这种变化将进一步拓展人工智能的应用边界，为产业创新带来更多可能。

总结：

《AI工程：大模型应用开发实战》以扎实的技术内容和丰富的实践经验，系统呈现了大模型应用开发的完整生态。从基础原理到工程落地，从部署优化到行业应用，全书构建出清晰而全面的知识体系。对于希望深入了解人工智能工程实践的读者而言，这是一部兼具理论深度与实操价值的重要参考书。

在人工智能快速发展的背景下，掌握大模型开发能力已成为技术从业者的重要竞争优势。本书不仅传授技术知识，更强调工程思维、产品思维以及持续创新能力的培养。通过学习书中的方法与案例，读者能够更加从容地迎接智能时代带来的机遇与挑战，并在实际项目中创造更大的应用价值。

本文由nayona.cn整理

点击联系需要东西方神秘学学习资料，专业的咨询

只要网页介绍资料，全部都有，还有很多还没来得及更新
每天更新200-300款资料
全网最大最全的神秘学资料平台
请需要什么资料，直接在对话框直接联系我，24小时在线，方便快捷
请需要什么资料，直接在对话框直接联系我，24小时在线，方便快捷
请需要什么资料，直接在对话框直接联系我，24小时在线，方便快捷
有看中网站记得联系我

           

联系我们

关注公众号

打赏 微信扫一扫 支付宝扫一扫

雅书

对占星塔罗感兴趣关注公众号