LangChain實戰:大模型應用開發實例
崔皓
買這商品的人也買了...
-
$454OpenCV 圖像處理編程實例
-
$849重構 : 改善既有代碼的設計, 2/e (簡中典藏精裝版)(Refactoring: Improving The Design of Existing Code, 2/e)
-
$594$564 -
$505統計信號處理基礎 — 估計與檢測理論 (卷I、卷II合集)
-
$403統計信號處理基礎:實用算法開發‧卷III
-
$1,650$1,617 -
$580$458 -
$700$553 -
$465概率深度學習 使用 Python、Keras 和 TensorFlow Probability (Probabilistic Deep Learning: With Python, Keras and Tensorflow Probability)
-
$454擴散模型:生成式 AI 模型的理論、應用與代碼實踐
-
$419$398 -
$620$489 -
$780$616 -
$650$507 -
$680$537
相關主題
商品描述
本書深入介紹了LangChain平臺和大模型的核心概念、應用和實戰經驗。從LangChain的架構出發,逐一講解了模型輸入/輸出、檢索、鏈、記憶和代理等核心組件,並結合豐富的開發場景以詳細的代碼呈現給讀者。此外,本書還將通過幾個具體案例來展示如何綜合運用所學知識,通過這些案例,讀者不僅可以掌握LangChain的實用技術,還可以提升解決實際問題的能力。
本書既適合初學者快速入門LangChain,深入瞭解大模型領域的最新技術,也適合專業開發者拓展技能,上手大模型應用的開發。
作者簡介
崔皓
华中科技大学硕士,资深架构师,51CTO平台特约作者、社区编辑、AIGC大模型应用实战精品班讲师。在大模型领域拥有丰富的教学经验,并协助企业成功实施大模型项目。曾在惠普负责企业服务交付工作长达9年,近几年专注于大模型技术的实际应用和企业数字化转型。著有《分布式架构原理与实践》。
目錄大綱
目 錄
第 1章 攜手大模型與LangChain,邁向AI新紀元 1
1.1 大模型:不僅火熱,更是未來 2
1.2 大模型揭秘:從數字到現實 3
1.3 LangChain:你的大模型工具箱 5
1.4 LangChain探索:開發的第 一步 7
1.5 內容導覽:與LangChain共創未來 10
1.6 LangChain的整體框架 12
1.7 總結 14
第 2章 LangChain探索之旅:準備與初始配置 15
2.1 LangChain 安裝:步驟簡單 16
2.2 環境搭建:Python的簡潔與Jupyter NoteBook的力量 17
2.3 密鑰之力:打開大模型的通道 18
2.4 啟動序章:大模型的調用與應用 20
2.5 總結 23
第3章 駕馭大模型的輸入與輸出 24
3.1 model I/O概述:通往大模型應用的橋梁 25
3.2 提示模板探究:構築靈活的提示體系 26
3.2.1 動態提示構造:提示模板在自動客服應用中的應用 27
3.2.2 從客服到技術:ChatMessagePromptTemplate在角色切換中的實踐 30
3.2.3 部分提示模板:引導用戶獲取精準服務 32
3.2.4 自動客服模板組合:PipelinePromptTemplate集成多模板 37
3.3 示例選擇探究:借用示例選擇器提升響應效率 39
3.3.1 客服交互設計:LengthBasedExampleSelector實現三步響應法 40
3.3.2 用戶請求歸類:SemanticSimilarityExampleSelector實現相似度選擇 44
3.4 模型交互核心:模型應用實戰 48
3.4.1 模型框架探析:LangChain實踐展現 48
3.4.2 緩存優勢展現:實戰效能提升 50
3.4.3 虛擬環境構建:FakeListLLM演示 52
3.4.4 並發優勢探索:異步調用實現 55
3.5 輸出格式解析:輸出解析器優化系統交互 58
3.5.1 CRM數據整合:PydanticOutputParser實現輸出解析 58
3.5.2 解析自動修復:OutputFixingParser實現解析失敗的備選方案 61
3.6 總結 64
第4章 檢索技術 65
4.1 檢索器概要:執行路徑與組件功能 66
4.2 文檔加載器:連接數據源與文檔的工具 67
4.3 文檔轉換器:文本分割與格式化 71
4.3.1 分塊與重疊:遞歸文本分割策略 72
4.3.2 結構化數據抽取:用戶評論智能轉換 75
4.4 文本嵌入向量:深入詞向量原理 78
4.5 向量存儲:從嵌入到查詢 81
4.6 檢索器:多維查詢與上下文壓縮 84
4.7 總結 90
第5章 鏈組件 91
5.1 模塊設計:鏈組件概述 92
5.2 交互優化:提示模板與鏈協同工作 93
5.3 生成摘要:探索StuffDocumentsChain的應用 94
5.4 海量文檔搜索:探索MapReduceDocumentsChain的應用 98
5.5 過濾請求:實現問題分類與路由選擇 105
5.6 串聯服務鏈:使用SequentialChain實現連續處理流程 110
5.7 自動客服系統:架設自然語言到SQL語句的橋梁 114
5.7.1 數據庫設計:明確實體與關系 115
5.7.2 數據庫部署:SQLite的選擇與安裝 118
5.7.3 從自然語言到SQL語句:使用SQLDatabaseChain實現查詢功能 119
5.8 總結 122
第6章 高效AI聊天機器人:借助記憶組件優化交互體驗 123
6.1 增強對話連貫性:記憶組件的實現與應用 124
6.2 優化AI聊天體驗:借助記憶組件實現聊天記憶 126
6.3 長聊天交互:使用ConversationSummaryMemory提升聊天連續性 131
6.4 精準檢索歷史對話:使用VectorStoreRetrieverMemory實現信息檢索 135
6.5 多輸入鏈:兼顧歷史文檔與實時查詢 141
6.6 總結 148
第7章 代理與回調組件:實時交互與智能監控 149
7.1 代理組件:實現動態交互 150
7.2 天氣與物流協同:對話代理實現對話實時交互 156
7.3 在線文檔搜索:搜索與查找實現文檔實時交互 159
7.4 自問自答與搜索:實現電商銷售推薦 163
7.5 對接訂單與物流:StructuredTool自定義工具 165
7.6 實時監控與日誌記錄:回調實現自定義處理器 169
7.7 總結 174
第8章 大模型項目實踐:從理論到應用的跨越 175
8.1 知識圖譜實踐:理論、方法與工具 176
8.1.1 知識圖譜構建:開發流程與關鍵步驟 176
8.1.2 三元組抽取:從文本到圖譜的轉化 177
8.1.3 LangChain處理三元組:語義的深度解析 179
8.2 企業知識庫構建:技術架構與操作流程 183
8.2.1 自動客服流程:從用戶請求到模型響應的完整流程 184
8.2.2 數據應用構建:Streamlit前端與Python後端的融合 185
8.2.3 自動客服執行:從PDF上傳到問題響應 186
8.3 用戶評論分析:從文本到情感識別 192
8.3.1 用戶評價分析:客戶反饋與信息抽取 192
8.3.2 從評論到數據洞察:LangChain驅動文本分析流程 194
8.3.3 追加情感分析:LangChain標記鏈實踐 197
8.3.4 情感數據可視化:雷達圖洞悉服務滿意度 202
8.4 大模型微調: GPT-3.5 Turbo安全微調與效能提升 204
8.4.1 微調GPT-3.5 Turbo:安全標準與成本透明性 205
8.4.2 提升效率與性能:GPT-3.5 Turbo的微調過程 206
8.4.3 數據集構建:打造幽默氣象助理 206
8.4.4 定製幽默感:GPT-3.5 Turbo 微調詳解 209
8.5 總結 213
第9章 LCEL技術深掘:構建高效的自動化處理鏈 214
9.1 LCEL概要 215
9.2 自定義鏈:Runnable接口的功能與實現 216
9.3 組件協作:輸入/輸出模式和數據傳遞機制 218
9.4 流暢的AI對話:結合Runnable、模板和解析器 221
9.5 自動化回答鏈:結合檢索、模板和大模型 226
9.6 序列化鏈:借助LCEL實現技術問題診斷與解決方案生成 228
9.7 並行鏈:借助LCEL實現多方案整合 231
9.8 總結 236