![]()
内容推荐 "本书是一本旨在帮助读者深入理解和应用AIGC与大模型技术的实用指南。写作目的是为了让读者了解AIGC与大模型技术的发展趋势、核心驱动力、定义与关键特征,以及如何利用大模型的能力进行实际应用。书籍分多个部分,包括AIGC与大模型技术概览、入门大模型开发、娱乐产业应用、多媒体行业应用、金融业应用、大数据分析应用、企业知识库应用和电商平台应用。其中,亮点案例包括娱乐产业的角色扮演应用、多媒体行业的音视频处理创新、金融业的股票分析以及电商平台的智能购物体验等。这些案例展示了AIGC与大模型技术在不同领域的实际应用,以及如何通过技术拓展应用思维和巩固程序设计思维。 本书适合对AIGC与大模型技术感兴趣的读者,特别是大模型从业人事、程序员、产品经理、项目经理等。通过阅读本书,读者可以了解AIGC与大模型技术的基本概念和应用场景,掌握实际应用技巧,并拓展应用思维。此外,本书也可作为相关领域的专业教材或参考书,为读者提供深入的技术知识和实用的案例参考。" 目录 目 录 1.1 启航:推荐阅读的阅读指南 \t 2 1.2 从 AIGC 到大模型:技术演进与应用 \t 5 1.3 大模型概览:定义、功能和影响 \t 7 1.4 大模型训练:预训练、模型微调和强化学习 \t 8 1.5 总结与启发 \t11 2.1 开发环境概述:兵马未动粮草先行 \t 13 2.2 环境搭建与项目结构:Anaconda 的全解析 \t 14 2.3 大模型快速开发:LangChain 架构初探 \t 18 2.4 交互式开发:探索 Streamlit 的强大功能 \t 23 2.5 模型多样性:选择大模型应用场景 \t 25 2.6 总结与启发 \t 30 3.1 大模型与游戏行业 \t 33 3.2 虚拟世界的冒险:在线角色扮演 \t 33 3.3 提示词与 AI 的默契:提示词和提示词工程 \t 36 3.4 控制 AI 的艺术:提示词工程原则 \t 37 3.4.1 注重细节:SMART 驱动提问 \t 37 3.4.2 设定角色:提示词中的身份设定 \t 39 3.4.3 指定步骤:大步跨向 AI 模型 \t 39 3.4.4 提供示例、分割内容、限定长度:准确的艺术 \t 40 3.5 实战演练:创造虚拟角色,一步步打造个性化角色 \t 3.5.1 需求分析:角色、关卡和规则 \t 41 3.5.2 界面设计:架构虚拟角色控制台 \t 42 3.5.3 代码编写:代码赋予虚拟角色生命 \t 43 3.5.4 功能测试:让角色栩栩如生 \t 54 3.6 总结与启发 \t 55
4.1 变革浪潮:大模型重塑多媒体的未来 \t 58 4.2 梦想成像:大模型让创意触手可及 \t 58 4.3 融合转换:多模态的美食探索之旅 \t 59 4.4 案例解析:打造自动化视频内容制作工坊 \t 61 4.5 技术分析:构筑视频创作的高效引擎 \t 63 4.5.1 上传视频 \t 64 4.5.2 解析视频 \t 64 4.5.3 生成语音 \t 67 4.5.4 合成视频 \t 68 4.6 界面设计:简化复杂,优化视频创作体验 \t 69 4.7 编码艺术:视频解说项目背后的科技魔法 \t 69 4.7.1 组件包简介 \t 70 4.7.2 获取视频信息 \t 71 4.7.3 处理视频和理解图片 \t 72 4.7.4 合成语音 \t 78 4.7.5 合成视频 \t 80 4.7.6 交互界面 \t 83 4.8 功能测试:将“视频解说”项目从概念带入现实 \t 89 4.9 总结与启发 \t 90
5.1 技术革命:大模型与金融行业 \t 93 5.2 智能代理:AI Agent 助力金融领域 \t 93 5.3 案例解析:开启智能股票分析之路 \t 95 5.4 技术分析:Autogen-AI Agent 的很好实践 \t 98 5.4.1 对话代理:Conversable Agent 的解决方案 \t 99 5.4.2 顺序聊天:优化任务协作流程 \t 102 5.4.3 代码执行器 Code Executor:从需求到实施 \t 108 5.4.4 分工协作:UserProxy Agent 和 AssistantAgent\t 111 5.5 比较股票:智能体落地实操 \t112 5.6 功能测试:从开发到应用 \t117 5.7 智能股票:比较股票、分析原因和生成报告 \t 124 5.8 功能验证:智能股票分析全流程展示 \t 129 5.9 总结与启发 \t 134
6.1 AI 在自媒体行业中的革命:从 PGC 到 AIGC 的演变 \t 6.2 AI 生成媒体内容:智谱清言应用 \t 138 6.3 案例解析:打开自媒体新篇章 \t 139 6.4 技术分析:爬虫、解析、摘要与自省 \t 141 6.4.1 网络信息的爬取和解析:思路整理与工具应用 \t 141 6.4.2 function call:大模型在数据处理中的应用 \t 146 6.4.3 数据结构化:利用大模型和 schema 优化信息抽取 \t 152 6.4.4 生成文章摘要:MapReduce 精练文章内容 \t 158 6.4.5 仿写文章:工作流的很好实践 \t 163 6.5 代码实现:从爬取到仿写的技术流程 \t 171 6.5.1 文章列表与内容抓取:Playwright+BeautifulSoup+Function Call \t 171 6.5.2 生成文章摘要:MapReduce 的很好实践 \t 172 6.5.3 仿写与评价:LangGraph 循环图应用 \t 174 6.5.4 界面交互:构建友好的内容管理平台 \t 177 6.6 功能测试:项目实施与效果评估 \t 185 6.7 总结与启发 \t 188
7.1 大模型在旅游行业的应用:AI 推动行业变化 \t 191 7.2 案例解析:“智能旅游”项目介绍 \t 192 7.3 技术分析 : 工具调用与大模型规划 \t 193 7.3.1 调用外部工具:function call 再次登场 \t 193 7.3.2 观察调用结果:Agent 与 Tool 调用的区别 \t 197 7.3.3 真实工具登场:用搜索引擎和维基百科替换模拟函数 \t 202 7.3.4 复杂任务规划:Plan-and-Solve 与 ReWOO 的选择 \t 207 7.4 代码实现:从城市搜索到旅游计划 \t 212 7.4.1 搜索旅游城市:大模型结合搜索引擎 \t 212 7.4.2 制订旅游计划:大模型结合无观察模式 \t 216 7.4.3 搜索景点详情:大模型结合维基百科 \t 223 7.4.4 界面交互:功能集成与用户交互 \t 225 7.5 项目测试:功能操作与日志跟踪 \t 228 7.5.1 搜索旅游城市:选择城市与信息传递 \t 228
8.4.2 路由选择:售前服务与售后服务 271 8.4.3 知识库构建:文本上传与向量加载 274 8.4.4 客服分析:情感、意图与行为 \t 275 8.5 功能测试:用户请求、智能匹配与行为分析 \t 278 8.6 总结与启发 \t 282
\tVII |