《探秘大模型应用开发》

编辑推荐

适读人群 ：本书适合对大模型应用开发感兴趣的企业管理者、产品研发人员阅读，也适合高等院校的学生、研究机构的研究者参考。

囊括DeepSeek等大模型背后的核心概念、关键技术、开发流程和代表性工具。

详述大模型应用的落地痛点、理论知识、框架选型和典型案例。

从大模型应用的落地痛点、理论知识、框架选型等长期和深层次的角度展开，提供完整的知识体系。

覆盖大模型应用开发的系统性知识，为广大工程师提供一条清晰的学习路径。

从基础入门到高级应用，轻松掌握大模型应用的开发技巧。

本书通过典型的RAG应用案例，结合具体代码，详细介绍大模型应用开发方法。

内容简介

《探秘大模型应用开发》围绕大模型的生产实施流程，系统介绍大模型的应用实践方法。第一部分系统地介绍了机器学习的场景分类、深度学习的崛起以及基础模型。第二部分聚焦于应用挑战，详细讲解问题定义、流程、技术，包括嵌入和标记化、向量数据库、微调、部署与推理等。另外，展示了LLM相关的编排与集成策略，以及两个实际索引技术的案例。本书不仅介绍了应用案例，还对前沿技术和未来发展进行了展望，包括可解释性、GANs、强化学习和模型自动化。团队协作、项目管理和持续集成等实践内容也得到充分涵盖。最后，通过一个实践案例章节，读者学习如何调试、部署和运维大模型的LLM应用。

《探秘大模型应用开发》这本书将帮助从业者掌握从基础概念到实际应用的全过程，使他们能够构建稳健的应用，将机器学习和深度学习引入现实世界。

作者简介

李瀚
资深AI系统架构师。长期从事AI平台及AI驱动的应用系统（推荐、搜索和大模型等）的架构设计与开发工作，在AI工程领域拥有深刻的认知和丰富的实战经验，曾设计并开发了企业级机器学习平台和大型模型应用开发平台等创新产品，服务多家世界500强企业AI转型咨询和项目落地。参与编写《MLOps工程实践：工具、技术与企业级应用》。

徐斌
拥有10年以上的网络安全经验，在硅谷领先的网络安全公司从事数据分析平台的设计开发工作。精通网络安全防护、漏洞分析与渗透测试，尤其擅长结合数据分析和AI技术优化安全系统的检测与响应能力，如通过深度学习、机器学习等AI技术分析大量的安全数据，实时发现潜在威胁，提升安全防护的效率。