生成式AI提示工程｜以前瞻性的設計打造穩定、可信任的AI解決方案

Description

生成式AI提示工程｜以前瞻性的設計打造穩定、可信任的AI解決方案
Prompt Engineering for Generative AI
　　ChatGPT、DALL-E這類大型語言模型（LLM）和生成擴散模型具備了前所未有的潛力。經由網際網路上的公開文字與圖像訓練之後，這些模型可應用於各種任務。由於進入門檻大幅降低，幾乎任何開發者都能利用AI模型來解決以往不適合自動化的問題。 

　　透過本書，你將掌握生成式AI的扎實基礎，並學習如何將這些模型應用於實際情境。在將大型語言模型與生成擴散模型整合至工作流程時，多數開發者往往難以生成可供自動化系統使用的可靠結果。本書作者James Phoenix與Mike Taylor將深入解析提示工程的核心原則，讓你在正式部署後能與AI高效共事。 

　　本書精彩內容： 
　　• 適用於不同模型且未來也依然有效的提示五大原則。 
　　• 使用LangChain等函式庫和框架，將生成式AI應用於實際案例。 
　　• 評估GPT-4和DALL-E 2等OpenAI模型與其他包括開放原始碼模型的替代方案，分析比較各自的優勢與弱點。 
　　• 這些原則如何實際應用在自然語言處理、文字與圖像生成以及程式開發領域中。

好評推薦

　　來自業界專家的推薦
　　「Mike和James是這領域的大師，這絕對是我讀過關於提示工程的最棒書籍之一。」 ── Dan Shipper，Every共同創辦人與CEO 

　　「如果想要提升AI系統的準確性和可靠性，這本書在你的書架上足有一席之地。」 ── Mayo Oshin，Siennai Analytics創辦人與CEO，LangChain早期貢獻者 
 目錄chapter 01 提示五大原則 
簡述提示五大原則 
1. 給予方向 
2. 指定格式 
3. 提供範例 
4. 評估品質 
5. 任務分工 
總結 

chapter 02 簡介大型語言模型用於文字生成 
什麼是文字生成模型？ 
歷史背景：Transformer 架構的崛起 
OpenAI 的 GPT 
GPT-4 
Google Gemini 
Meta Llama 與開放原始碼 
運用量化與 LoRA 
Mistral 
Anthropic: Claude 
GPT-4V(ision) 
比較各種模型 
總結 

chapter 03 使用 ChatGPT 來生成文字的標準做法 
生成清單 
階層式清單生成 
何時要避免使用正則表達式 
生成 JSON 
過濾 YAML 負載 
處理 YAML 中的無效負載 
使用 ChatGPT 生成多種格式 
用五歲小孩都能懂的方式來說明 
藉由 LLM 實現通用翻譯 
要求上下文 
文字風格拆解 
辨識所需的文字特徵 
使用提取特徵來生成新內容 
使用 LLM 提取特定文字特徵 
摘要 
在上下文窗口受限的情況下摘要 
文字分塊 
分塊策略 
使用 SpaCy 進行語句偵測 
在 Python 中建置簡易分塊演算法 
滑動窗口分塊 
文字分塊套件包 
使用 Tiktoken 進行文字分塊 
編碼 
估計 Chat API 呼叫的標記用量 
情感分析 
最少到最多 
角色提示 
GPT 提示策略 
使用 LLM 分類 
建置分類模型 
多數決分類法 
評估標準 
元提示 
總結 

chapter 04 使用 LangChain 的進階文字生成技巧 
簡介 LangChain 
聊天模型 
串流聊天模型 
建立多個 LLM 生成結果 
LangChain 提示樣板 
LangChain 表達式語言（LCEL） 
使用提示樣板與聊天模型 
輸出解析器 
LangChain 評估 
OpenAI 函式呼叫 
平行函式呼叫 
在 LangChain 中進行函式呼叫 
使用 LangChain 來提取資料 
查詢規劃 
建立少樣本提示樣板 
少樣本範例的限制 
儲存與載入 LLM 提示 
資料連接 
文件載入器 
文字分割器 
根據長度和憑證大小來分割文字 
使用遞歸字元分割來分割文字 
任務分解 
提示鏈接 
總結 

chapter 05 FAISS 與 Pinecone 向量資料庫 
檢索增強生成（RAG） 
淺談嵌入 
載入文件 
使用 FAISS 進行記憶檢索 
使用 LangChain 來進行 RAG 
使用 Pinecone 來託管向量資料庫 
自我查詢 
其他檢索機制 
總結 

chapter 06 具有記憶和工具的自動代理 
思維鏈 
代理 
使用 LLM 作為 API（OpenAI 函式） 
比較 OpenAI 函式與 ReAct 
代理工具包 
自定義標準代理 
LCEL 中的自定義代理 
理解與使用記憶 
LangChain 中的記憶 
LangChain 中其他常見的記憶類型 
具備記憶的 OpenAI 函式代理 
進階代理框架 
回呼 
總結 

chapter 07 淺談圖像生成擴散模型 
OpenAI 的 DALL-E 
Midjourney 
Stable Diffusion 
Google Gemini 
文字轉影像 
模型比較 
總結 

chapter 08 用 Midjourney 生成圖像的標準做法 
樣式修飾符 
藝術風格修飾符 
負面提示工程 
品質提升器 
負面提示 
加權詞 
以圖像為提示 
圖像修復 
圖像擴展 
角色一致性 
重寫提示 
拆解迷因 
迷因對應 
提示分析 
總結 

chapter 09 使用 Stable Diffusion 生成圖片之進階技巧 
執行 Stable Diffusion 
AUTOMATIC1111 網頁版使用者介面 
Img2Img 
放大圖像 
Interrogate CLIP 
SD 圖像修復與圖像擴展 
ControlNet 
任意分割模型（SAM） 
DreamBooth 微調 
Stable Diffusion XL Refiner 
總結 

chapter 10 打造 AI 驅動應用程式 
AI 部落格寫作 
主題研究 
專家訪談 
生成大綱 
文字生成 
寫作風格 
標題最佳化 
AI 生成的部落格插圖 
使用者介面 
總結 

索引 
书名简译:生成式AI提示工程｜以前瞻性的设计打造稳定、可信任的AI解决方案