目录<br/> 推荐序一　学习成为善用AI的人 | 宝玉 xi<br/> 推荐序二　开启一段有趣、有启发、有收获的冒险旅程 | 张路宇 xv<br/> 推荐序三　人人都要学会和AI相处 | 孙志岗 xvii<br/> 推荐序四　AI工程师：从智能革命的探索者到智能体时代的<br/> 缔造者 | 邓范鑫 xix<br/> 推荐序五　未来正在生成中 | 梁宇鹏 xxi<br/> 推荐序六　AGI：不要旁观，要真正参与 | 罗云 xxiii<br/> 推荐序七　AI是人类能力的指数级放大器 | 宜博 xxv<br/> 译者序　没有谁天生就是AI工程师 | 何文斯 xxvii<br/> 前言 xxxi<br/> 排版约定 xxviii<br/> 使用代码示例 xxix<br/> O’Reilly在线学习平台（O’Reilly Online Learning） xxix<br/> 联系我们 xxix<br/> 致谢 xxx<br/> 电子书 xxxi<br/> 第 1章　初识GPT-4和ChatGPT 1<br/> 1.1　LLM概述 1<br/> 1.1.1　探索语言模型和NLP的基础 2<br/> 1.1.2　理解Transformer架构及其在LLM中的作用 5<br/> 1.1.3　解密GPT模型的词元化和预测步骤 7<br/> 1.1.4　将视觉整合到LLM中 9<br/> 1.2　GPT模型简史：从GPT-1到GPT-4 11<br/> 1.2.1　GPT-1 11<br/> 1.2.2　GPT-2 12<br/> 1.2.3　GPT-3 12<br/> 1.2.4　从GPT-3到InstructGPT 13<br/> 1.2.5　GPT-3.5、ChatGPT和Codex 16<br/> 1.2.6　GPT-4 17<br/> 1.2.7　人工智能向多模态演进 20<br/> 1.3　LLM用例和示例产品 22<br/> 1.3.1　Be My Eyes 22<br/> 1.3.2　摩根士丹利 22<br/> 1.3.3　可汗学院 23<br/> 1.3.4　多邻国 23<br/> 1.3.5　Yabble 24<br/> 1.3.6　Waymark 24<br/> 1.3.7　Inworld AI 25<br/> 1.4　警惕AI幻觉：限制与注意事项 25<br/> 1.5　借助高级功能释放GPT潜力 28<br/> 1.6　小结 31<br/> 第 2章　深入了解OpenAI API 33<br/> 2.1　基本概念 34<br/> 2.2　OpenAI API中可用的模型 35<br/> 2.2.1　GPT Base 35<br/> 2.2.2　InstructGPT（遗留版） 35<br/> 2.2.3　GPT-3.5 36<br/> 2.2.4　GPT-4 37<br/> 2.3　在OpenAI Playground中使用GPT模型 37<br/> 2.4　入门：OpenAI Python库 41<br/> 2.4.1　OpenAI服务访问与API密钥 42<br/> 2.4.2　Hello World 44<br/> 2.5　使用聊天补全模型 46<br/> 2.5.1　聊天补全端点的输入选项 47<br/> 2.5.2　调整temperature和top_p 50<br/> 2.5.3　聊天补全端点的输出结果格式 53<br/> 2.5.4　视觉能力 54<br/> 2.5.5　请求JSON输出 58<br/> 2.6　使用其他文本补全模型 62<br/> 2.6.1　文本补全端点的输入选项 63<br/> 2.6.2　文本补全端点的输出结果格式 64<br/> 2.7　注意事项 64<br/> 2.7.1　定价和词元限制 64<br/> 2.7.2　安全与隐私：小心！ 65<br/> 2.8　其他OpenAI API和功能 65<br/> 2.8.1　嵌入 66<br/> 2.8.2　审核 69<br/> 2.8.3　文本转语音 72<br/> 2.8.4　语音转文本 74<br/> 2.8.5　图像 API 78<br/> 2.9　小结（含速查清单） 88<br/> 第3章　构建基于LLM的应用程序：功能与挑战 91<br/> 3.1　应用程序开发概述 91<br/> 3.1.1　API密钥管理 92<br/> 3.1.2　安全与数据隐私 94<br/> 3.2　软件架构设计原则 94<br/> 3.3　将LLM能力集成到你的项目中 95<br/> 3.3.1　对话能力 95<br/> 3.3.2　语言处理能力 96<br/> 3.3.3　人机交互能力 98<br/> 3.3.4　结合能力 99<br/> 3.4　示例项目 99<br/> 3.4.1　项目1：构建新闻生成器解决方案——语言处理 100<br/> 3.4.2　项目2：总结YouTube视频——语言处理 102<br/> 3.4.3　项目3：打造《塞尔达传说：旷野之息》专家——<br/> 语言处理与对话 107<br/> 3.4.4　项目4：创建个人助理——人机界面 114<br/> 3.4.5　项目5：组织文档——语言处理 121<br/> 3.4.6　项目6：情感分析——语言处理 122<br/> 3.5　成本管理 129<br/> 3.6　基于LLM的应用程序的漏洞 131<br/> 3.6.1　分析输入和输出 132<br/> 3.6.2　提示词注入的不可避免性 133<br/> 3.7　合理使用外部API 133<br/> 3.7.1　处理错误和意外延迟问题 134<br/> 3.7.2　速率限制 135<br/> 3.7.3　提高响应能力，改善用户体验 135<br/> 3.8　小结 139<br/> 第4章　OpenAI高级LLM集成策略 141<br/> 4.1　提示工程 141<br/> 4.1.1　利用角色、上下文和任务设计有效的提示词 142<br/> 4.1.2　逐步思考 148<br/> 4.1.3　实现少样本学习 150<br/> 4.1.4　基于用户反馈的迭代优化 152<br/> 4.1.5　改善提示效果 158<br/> 4.2　微调 161<br/> 4.2.1　入门 161<br/> 4.2.2　使用OpenAI API进行微调 164<br/> 4.2.3　使用OpenAI的Web界面进行微调 168<br/> 4.2.4　微调应用程序 170<br/> 4.2.5　为电子邮件营销活动生成和微调合成数据 172<br/> 4.2.6　微调的成本 180<br/> 4.3　RAG 180<br/> 4.3.1　基础RAG 180<br/> 4.3.2　高级RAG 181<br/> 4.3.3　RAG的局限 187<br/> 4.4　策略选择 187<br/> 4.4.1　策略比较 188<br/> 4.4.2　评估 190<br/> 4.5　从普通应用程序到基于LLM的解决方案 191<br/> 4.5.1　提示词敏感性 191<br/> 4.5.2　非确定性 192<br/> 4.5.3　幻觉 193<br/> 4.6　小结 194<br/> 第5章　通过框架、插件等提升LLM的能力 197<br/> 5.1　LangChain框架 197<br/> 5.1.1　LangChain库 199<br/> 5.1.2　动态提示词 200<br/> 5.1.3　智能体和工具 201<br/> 5.1.4　记忆 205<br/> 5.1.5　嵌入 206<br/> 5.2　LlamaIndex框架 210<br/> 5.2.1　演示：10行代码实现RAG 210<br/> 5.2.2　LlamaIndex原则 211<br/> 5.2.3　定制化 212<br/> 5.3　GPT-4 插件 214<br/> 5.3.1　概述 216<br/> 5.3.2　API 216<br/> 5.3.3　插件清单 218<br/> 5.3.4　OpenAPI规范 219<br/> 5.3.5　描述 220<br/> 5.4　GPTs 221<br/> 5.5　Assistants API 227<br/> 5.5.1　创建Assistants API 228<br/> 5.5.2　利用你的Assistants API管理对话 230<br/> 5.5.3　函数调用 234<br/> 5.5.4　OpenAI Web平台上的助手 238<br/> 5.6　小结 241<br/> 第6章　综合运用 243<br/> 6.1　关键要点 243<br/> 6.2　综合运用：助手用例 245<br/> 6.2.1　第 一步：构思 245<br/> 6.2.2　第二步：定义需求 246<br/> 6.2.3　第三步：构建原型 247<br/> 6.2.4　第四步：改进、迭代 247<br/> 6.2.5　第五步：使解决方案更健壮 248<br/> 6.3　经验教训 250<br/> 关键术语表 251<br/> 工具、库和框架 259<br/> 作者简介 263<br/> 封面简介 264<br/> · · · · · · (收起)