×
暂无评论
图文详情
  • ISBN:9787111750505
  • 装帧:精装
  • 册数:暂无
  • 重量:暂无
  • 开本:32开
  • 页数:266
  • 出版时间:2024-03-01
  • 条形码:9787111750505 ; 978-7-111-75050-5

本书特色

1. 中国工程院院士郑纬民作序!微软全球资深副总裁张祺博士领衔微软(亚洲)互联网工程院数十位资深大模型专家倾力打造! 2. 本书结合LLM、Copilot、AIGC等场景中提示工程的成功案例,全方位展现现阶段提示工程的发展状况及实践应用。
3. 本书揭示大语言模型背后技术奥秘的“金钥匙”,从宏观到微观全方位解读AI创新世界,帮助读者释放创造力、解放生产力、提升技术力。

内容简介

本书是揭示大语言模型背后技术奥秘的“金钥匙”,从宏观到微观全方位解读AI创新世界,帮助读者释放创造力、解放生产力、提升技术力。 本书的第1章和第2章聚焦大语言模型本身以及提示工程的兴起,能够让读者对大语言模型技术的发展背景、概念以及应用场景等有较为全面的了解。第3章,则是结合当下火热的AIGC话题展开介绍,为读者提供AIGC图像生成的实战体验,帮助读者快速上手,更好地感受和理解当前AIGC和提示工程的强大威力。第4章和第5章,从实操角度为读者提供丰富的提示工程基本技巧和进阶技巧,并探索大语言模型的高阶玩法,如编程、插件、函数调用等,帮助读者解锁大语言模型深层次的应用潜力。第6章、第7章和第8章,针对提示工程在搜索、Microsoft 365,以及法律、金融、医疗等多个领域及行业的具体应用展开介绍。 本书的每一章都可独立成话题,相信通过阅读本书,您将对大语言模型、提示工程技术有更加全面的了解

目录

序言
前言
第1章 认识大语言模型和ChatGPT 1
1.1 大语言模型基础 1
1.1.1 什么是语言模型 1
1.1.2 语言模型的历史 4
1.1.3 基础语言模型的种类 5
1.1.4 基础语言模型的训练和评估 10
1.1.5 什么是大语言模型 14
1.2 大语言模型的类型 15
1.2.1 从左到右大语言模型 15
1.2.2 掩码语言模型 16
1.2.3 前缀语言模型和编码器–解码器结构 17
1.3 初识ChatGPT 18
1.3.1 ChatGPT的原理 18
1.3.2 ChatGPT的应用 24
1.3.3 ChatGPT的挑战 27
1.4 其他大语言模型 29
第2章 人工智能范式的变迁与提示工程 32
2.1 人工智能范式的变迁 32
2.1.1 人工智能模型及其训练 32
2.1.2 人工智能范式的变迁详解 34
2.2 提示工程的兴起 40
2.2.1 提示学习 41
2.2.2 提示学习的研究领域 44
2.2.3 蓬勃发展的提示工程 52
2.2.4 提示工程的特点与优势 56
2.2.5 提示工程的局限、挑战及探索 57
第3章 AIGC中的提示工程 59
3.1 全面认识AIGC 59
3.1.1 AIGC的诞生和发展 60
3.1.2 AIGC引起内容生成范式的变迁 61
3.1.3 提示词与AIGC 61
3.2 AIGC的类别、原理及工具 62
3.2.1 文本生成 63
3.2.2 代码生成 64
3.2.3 图像生成 65
3.2.4 视频生成 67
3.3 AIGC的影响 68
3.3.1 AIGC对各行各业的影响 68
3.3.2 提示工程师的诞生 69
3.4 AIGC图像生成与提示工程 70
3.4.1 Stable Diffusion的提示工程 70
3.4.2 Midjourney的提示工程 79
3.4.3 实战:利用ChatGPT和Midjourney完成广告文案和图像的生成 81
第4章 提示工程的基本思路和技巧 85
4.1 提示工程基础知识 85
4.1.1 提示工程的基本思路 85
4.1.2 提示工程的特点 87
4.1.3 提示调试涉及的因素 90
4.1.4 提示效果评估 92
4.1.5 工具和资源 93
4.2 提示工程基本技巧 94
4.2.1 上下文信息和指令 95
4.2.2 角色扮演 99
4.2.3 从零样本到少样本 101
4.3 提示工程进阶技巧 104
4.3.1 思维链 104
4.3.2 自洽性 106
4.3.3 由少到多 109
4.3.4 生成知识提示法 111
4.3.5 自动提示生成 114
4.3.6 其他进阶方法简介 115
第5章 ChatGPT中的提示工程 119
5.1 ChatGPT的基本模型设置 120
5.2 提示词的基础知识回顾 120
5.2.1 提示词格式 121
5.2.2 提示词要素 122
5.2.3 设计提示的通用技巧 122
5.3 文本任务 124
5.3.1 文本概括 124
5.3.2 信息提取 125
5.3.3 文本分类 126
5.3.4 问答 127
5.3.5 对话 127
5.4 编程 128
5.4.1 代码生成 129
5.4.2 代码调试 130
5.4.3 单元测试 131
5.5 插件 132
5.5.1 ChatGPT插件功能使用 132
5.5.2 ChatGPT插件功能开发 135
5.5.3 代码解释器 138
5.6 函数调用 142
5.6.1 函数调用功能使用 143
5.6.2 函数调用应用场景 146
第6章 搜索领域的提示工程应用 148
6.1 新必应及其聊天体验 148
6.1.1 新必应简介 148
6.1.2 全新的聊天体验 150
6.1.3 必应普罗米修斯模型 156
6.2 检索增强的大语言模型 158
6.2.1 大语言模型的幻觉问题 158
6.2.2 检索增强的大语言模型框架 160
6.2.3 开源实例 161
6.3 大语言模型增强检索 168
6.3.1 神经向量检索 168
6.3.2 相关性重排 171
6.3.3 数据标注 173
6.4 搜索新场景 174
6.4.1 必应故事 174
6.4.2 必应知识卡片2.0 176
第7章 Microsoft Copilot中的提示工程 178
7.1 Microsoft 365 Copilot概览 178
7.1.1 Copilot中的提示 178
7.1.2 Copilot系统 179
7.2 Word Copilot 181
7.2.1 Word Copilot基本功能 183
7.2.2 Word Copilot提示交互的基本原理 184
7.2.3 典型交互类型与提示实例 186
7.3 PowerPoint Copilot 188
7.3.1 PowerPoint Copilot基本功能 189
7.3.2 PowerPoint提示交互的工作流程与示例 190
7.3.3 典型交互类型与提示实例 194
7.3.4 PowerPoint的渲染与样式—Designer 196
7.4 Excel Copilot 199
7.4.1 Excel Copilot基本功能 200
7.4.2 基本原理 201
7.4.3 提示实例 202
7.5 其他应用 204
7.5.1 Teams Copilot基本功能与提示实例 204
7.5.2 Outlook Copilot基本功能与提示实例 207
7.6 应用实战 209
7.6.1 题目描述 209
7.6.2 Azure OpenAI 快速入门 209
7.6.3 参考答案 210
第8章 提示工程的行业应用 212
8.1 大语言模型对各行业的影响 212
8.2 法律行业的应用 213
8.2.1 法律行业的需求背景和潜在机会 213
8.2.2 法律行业的产品案例 214
8.2.3 典型应用场景(一):起草法律合同 216
8.2.4 典型应用场景(二):法律论证 221
8.3 医疗行业的应用 223
8.3.1 医疗行业的需求背景和潜在机会 223
8.3.2 医疗行业的产品案例 224
8.3.3 典型应用场景(一):医疗询诊 226
8.3.4 典型应用场景(二):医学影像 232
8.4 金融行业的应用 234
8.4.1 金融行业的需求背景和潜在机会 234
8.4.2 金融行业的产品案例 235
8.4.3 典型应用场景 235
8.5 应用实战:基于ChatGPT的医学询诊 251
8.5.1 环境配置 252
8.5.2 数据下载和处理 253
8.5.3 编写提示完成问答功能 254
8.6 应用实战:基于ChatGPT的跨境电商营销和运营 257
8.6.1 广告营销 258
8.6.2 销售运营 260
8.6.3 独立自建站 262
参考文献 264
展开全部

作者简介

张祺博士现任微软全球资深副总裁,负责微软互联网业务及人工智能平台团队,服务微软全球的业务和用户。他在人工智能、机器学习、大数据、大语言模型、分布式计算等领域成绩斐然,领导建立了微软广告、必应搜索、Edge浏览器、大数据、知识图谱、商用人工智能、人工智能平台团队,为Office和Azure产品的数据化和智能化奠定了坚实基础,并建立了微软搜索商业化体系,在短短数年即创造了数百亿美元的业务营收。在人才培养和团队发展方面,张祺博士注重成长型思维和开拓型创新,为微软培养了一支多元化和充满创新活力的优秀团队。
张祺博士于2002年加入微软美国总部,2014年成为微软全球合伙人,2018年被授予“微软全球杰出工程师”荣誉,成为微软中国首位获此技术专家荣誉的工程师。

预估到手价 ×

预估到手价是按参与促销活动、以最优惠的购买方案计算出的价格(不含优惠券部分),仅供参考,未必等同于实际到手价。

确定
快速
导航