封面
书名页
版权页
O'Reilly Media, Inc.介绍
译者序
目录
前言
第1篇 基础篇
 第1章 提示工程导论
  1.1 大语言模型的魔法
  1.2 语言模型的演进
   1.2.1 早期语言模型
   1.2.2 GPT模型的崛起
  1.3 提示工程
  1.4 本章小结
 第2章 理解大语言模型
  2.1 大语言模型的本质
   2.1.1 文本补全
   2.1.2 与人类思维的本质差异
   2.1.3 关键挑战
  2.2 大语言模型视角下的认知差异
   2.2.1 差异一：确定性分词
   2.2.2 差异二：逐字检查的局限
   2.2.3 差异三：文本认知特性
   2.2.4 词元数量
  2.3 词元生成机制
   2.3.1 自回归模型
   2.3.2 模式固化
  2.4 温度与概率分布
  2.5 Transformer架构
  2.6 本章小结
 第3章 从文本补全模型到对话模型
  3.1 RLHF
   3.1.1 训练RLHF模型
   3.1.2 诚实性保障
   3.1.3 个体偏差规避
   3.1.4 RLHF成本收益分析
   3.1.5 对齐税现象
  3.2 交互形态演进
   3.2.1 指令模型
   3.2.2 对话模型
  3.3 API生态演进
   3.3.1 对话补全API
   3.3.2 对话模式与文本补全模式的比较
   3.3.3 能力延伸
  3.4 提示工程的剧本创作观
  3.5 本章小结
 第4章 大语言模型应用设计
  4.1 循环结构剖析
   4.1.1 用户问题域特征
   4.1.2 用户问题转化提示词
   4.1.3 响应优化策略
   4.1.4 价值落地
  4.2 前馈传递过程
   4.2.1 前馈传递过程的构建
   4.2.2 循环机制的复杂性
  4.3 质量评估体系
   4.3.1 离线评估
   4.3.2 在线评估
  4.4 本章小结
第2篇 技术篇
 第5章 提示词内容设计
  5.1 内容来源
  5.2 静态内容
   5.2.1 问题的明确性
   5.2.2 少样本提示
  5.3 动态内容
   5.3.1 上下文识别
   5.3.2 RAG技术
   5.3.3 摘要技术
  5.4 本章小结
 第6章 提示词工程化组装
  6.1 理想提示词构成要素
  6.2 文档类型适配与优化选择
   6.2.1 咨询对话型
   6.2.2 分析报告型
   6.2.3 结构化文档
  6.3 文本处理与格式化规范
   6.3.1 独立性
   6.3.2 少样本示例格式化方法
  6.4 弹性文本片段
  6.5 提示词元素关联性
   6.5.1 位置与顺序
   6.5.2 内容重要性
   6.5.3 依赖关系
  6.6 整合提示词元素
  6.7 本章小结
 第7章 驾驭大语言模型
  7.1 输出格式精准管控
   7.1.1 引言
   7.1.2 起止边界识别
   7.1.3 小结
  7.2 Logprobs深度应用
   7.2.1 质量评估
   7.2.2 分类任务优化
   7.2.3 提示词异常检测
  7.3 模型选型
  7.4 本章小结
第3篇 高级篇
 第8章 对话智能体
  8.1 工具使用
   8.1.1 微调训练工具的使用
   8.1.2 工具定义指南
  8.2 推理能力
   8.2.1 思维链推理
   8.2.2 ReAct：迭代式推理与行动
   8.2.3 超越ReAct
  8.3 基于任务的交互上下文
   8.3.1 上下文信息的来源
   8.3.2 上下文的选择与编排
  8.4 构建对话智能体
   8.4.1 对话管理
   8.4.2 用户体验
  8.5 本章小结
 第9章 大语言模型应用工作流
  9.1 对话智能体的瓶颈
  9.2 基本工作流构建
   9.2.1 任务设计
   9.2.2 工作流编排
   9.2.3 落地与优化
  9.3 高级工作流创新
   9.3.1 智能体主导编排
   9.3.2 有状态任务智能体
   9.3.3 角色化委派
  9.4 本章小结
 第10章 大语言模型应用评估
  10.1 评估对象
  10.2 离线评估
   10.2.1 示例测试套件
   10.2.2 寻找测试示例
   10.2.3 解决方案评估
   10.2.4 SOMA评估
  10.3 在线评估
   10.3.1 A/B测试
   10.3.2 评估指标
  10.4 本章小结
 第11章 展望大语言模型的未来
  11.1 多模态融合
   11.1.1 交互范式升级
   11.1.2 智能能级跃升
  11.2 本章小结
关于作者
封面简介
封底