资源详情

LANGCHAIN入门指南：构建高可复用、可扩展的LLM应用程序

作者: 李特丽
出版社: 电子工业出版社
出版年: 2024-1
页数: 312
ISBN: 9787121467271

下载次数：21

本站推荐

下载地址

举报资源

书籍资料

内容简介
作者介绍
书籍目录

这本书专门为那些对自然语言处理技术感兴趣的读者提供了系统的LLM应用开发指南。全书分为11章，从LLM基础知识开始，通过LangChain这个开源框架为读者解读整个LLM应用开发流程。第1~2章概述LLM技术的发展背景和LangChain框架的设计理念。从第3章开始，分章深入介绍LangChain的6大模块，包括模型I/O、数据增强、链、记忆等，通过大量代码示例让读者了解其原理和用法。第9章通过构建PDF问答程序，帮助读者将之前学习的知识应用于实践。第10章则介绍集成，可拓宽LangChain的用途。第11章为初学者简要解析LLM的基础理论，如Transformer模型等。
《LangChain入门指南：构建高可复用、可扩展的LLM应用程序》以LangChain这个让人熟悉的框架为主线，引导读者一步一步掌握LLM应用开发流程，适合对大语言模型感兴趣的开发者、AI应用程序开发者阅读。

李特丽，LangChain中文网联合创始人，优秀的软件工程师。曾翻译LangChain、OpenAi、Milvus等AI开发三件套的中文文档，帮助中国开发者快速上手AI开发。
康轶文，LangChain中文网创始人，2005年从个人站长做起，成为第一代SEO“大神”；2012年转型移动互联网营销，成为中国Apple Ads代理商，获得苹果千万美元授信；2022年转型月付制AI数字员工全托管服务，是一位经验丰富的数字员工和人工智能应用专家。

第1章LangChain：开启大语言模型时代的钥匙
1.1大语言模型概述
1.1.1什么是大语言模型
1.1.2大语言模型的发展
1.1.3大语言模型的应用场景
1.1.4大语言模型的基础知识
1.2LangChain与大语言模型
第2章LangChain入门指南
2.1初识LangChain
2.1.1为什么需要LangChain
2.1.2LLM应用开发的最后1公里
2.1.3LangChain的2个关键词
2.1.4LangChain的3个场景
2.1.5LangChain的6大模块
2.2LangChain的开发流程
2.2.1开发密钥指南
2.2.2编写一个取名程序
2.2.3创建你的第一个聊天机器人
2.3LangChain表达式
第3章模型I/O
3.1什么是模型I/O
3.2模型I/O功能之模型包装器
3.2.1模型包装器分类
3.2.2LLM模型包装器
3.2.3聊天模

包装器
3.3模型I/O功能之提示词模板
3.3.1什么是提示词模板
3.3.2提示词模板的输入和输出
3.3.3使用提示词模板构造提示词
3.3.4少样本提示词模板
3.3.5多功能提示词模板
3.4模型I/O功能之输出解析器
3.4.1输出解析器的功能
3.4.2输出解析器的使用
3.4.3PydanticJSON输出解析器
3.4.4结构化输出解析器
第4章数据增强模块
4.1数据增强模块的相关概念
4.1.1LEDVR工作流
4.1.2数据类型
4.2加载器
4.3嵌入模型包装器
4.3.1嵌入模型包装器的使用
4.3.2嵌入模型包装器的类型
4.4文档转换器
4.5向量存储库
4.5.1向量存储库的使用
4.5.2向量存储库的搜索方法
4.6检索器
4.6.1检索器的使用
4.6.2检索器的类型
第5章链
5.1为什么叫链
5.1.1链的定义
5.1.2链的使用
5.1.3基础链类型
5.1.4工具链类型
5.2细说基础链
5.2.1LLM链
5.2.2路由器链
5.2.3顺序链
5.3四大合并文档链
5.3.1Stuff链
5.3.2Refine链
5.3.3MapReduce链
5.3.4重排链
5.4揭秘链的复杂性
5.4.1复杂链的“套娃”式设计
5.4.2LEDVR工作流的终点：“上链”
第6章记忆模块
6.1记忆模块概述
6.1.1记忆组件的定义
6.1.2记忆组件、链组件和Agent组件的关系
6.1.3设置第一个记忆组件
6.1.4内置记忆组件
6.1.5自定义记忆组件
6.2记忆增强检索能力的实践
6.2.1获取外部数据
6.2.2加入记忆组件
6.3记忆增强Agent能力的实践
6.4内置记忆组件的对比
6.4.1总结记忆组件
6.4.2会话记忆组件和会话窗口记忆组件的对比
6.4.3知识图谱记忆组件和实体记忆组件的比较
第7章Agent模块
7.1Agent模块概述
7.1.1Agent组件的定义
7.1.2Agent组件的运行机制
7.1.3Agent组件入门示例
7.1.4Agent组件的类型
7.2Agent组件的应用
7.2.1Agent组件的多功能性
7.2.2自定义Agent组件
7.2.3ReActAgent的实践
7.3工具组件和工具包组件
7.3.1工具组件的类型
7.3.2工具包组件的类型
7.4Agent组件的功能增强
7.4.1Agent组件的记忆功能增强
7.4.2Agent组件的检索能力增强
第8章回调处理器
8.1什么是回调处理器
8.1.1回调处理器的工作流程
8.1.2回调处理器的使用
8.1.3自定义链组件中的回调
8.2内置回调处理器
8.3自定义回调处理器
第9章使用LangChain构建应用程序
9.1PDF问答程序
9.1.1程序流程
9.1.2处理PDF文档
9.1.3创建问答链
9.2对话式表单
9.2.1OpenAI函数的标记链
9.2.2标记链的使用
9.2.3创建提示词模板
9.2.4数据更新和检查
9.3使用LangChain实现BabyAGI
9.3.1BabyAGI介绍
9.3.2环境与工具
9.3.3向量存储
9.3.4构建任务链
9.3.5创建BabyAGI
9.3.6运行BabyAGI
第10章集成
10.1集成的背景与LLM集成
10.2LLM集成指南
10.2.1AzureOpenAI集成
10.2.2HuggingFaceHub集成
10.3聊天模型集成指南
10.3.1Anthropic聊天模型集成
10.3.2PaLM2聊天模型集成
10.3.3OpenAI聊天模型集成
10.4向量库集成指南
10.4.1Chroma集成
10.4.2Pinecone集成
10.4.3Milvus集成
10.5嵌入模型集成指南
10.5.1HuggingFaceEmbeddings嵌入集成
10.5.2LlamaCppEmbeddings嵌入集成
10.5.3Cohere嵌入集成
10.6Agenttoolkits集成指南
10.6.1CSVAgent的集成
10.6.2PandasDataframeAgent的集成
10.6.3PowerBIDatasetAgent的集成
10.7Retrievers集成指南
10.7.1WikipediaRetriever集成
10.7.2ArxivRetriever集成
10.7.3AzureCognitiveSearch集成
第11章LLM应用开发必学知识
11.1LLM的核心知识
11.1.1文本嵌入
11.1.2点积相似性和余弦相似性
11.1.3注意力机制
11.2Transformer模型
11.3语义搜索
11.3.1语义搜索的工作原理
11.3.2RAG的工作原理
11.4NLP与机器学习基础
11.4.1LLM应用开发中的传统机器学习方法
11.4.2NLP文本预处理
11.4.3构建分类器
附录ALangChain框架中的主要类
附录BOpenAI平台和模型介绍
附录CClaude2模型介绍
附录DCohere模型介绍
附录EPaLM2模型介绍
附录FPinecone向量数据库介绍
附录GMilvus向量数据库介绍