Zobacz także:

• OpenAI API. Receptury. Tworzenie inteligentnych aplikacji, chatbot 67,00 zł, (33,50 zł -50%)
• Produkty oparte na sztucznej inteligencji. Projektowanie, budowa i rozwijanie rozwi 77,00 zł, (40,04 zł -48%)
• Stw 99,00 zł, (51,48 zł -48%)
• Tworzenie aplikacji AI z LlamaIndex. Praktyczny przewodnik po RAG i LLM 89,00 zł, (46,28 zł -48%)
• Zaawansowane techniki przetwarzania j 89,00 zł, (46,28 zł -48%)

Spis treści

Prompt engineering. Projektowanie aplikacji z wykorzystaniem LLM eBook -- spis treści

Wstęp

Część I. Podstawy

• 1. Wprowadzenie do inżynierii promptów
  • Modele językowe to magia
  • Modele językowe: Jak do tego doszliśmy?
    • Wczesne modele językowe
    • GPT wkracza na scenę
  • Inżynieria promptów
  • Podsumowanie
• 2. Modele językowe - wprowadzenie
  • Czym są duże modele językowe?
    • Kończenie dokumentu
    • Myślenie człowieka a przetwarzanie danych przez modele językowe
    • Halucynacje
  • Jak modele językowe postrzegają świat?
    • Różnica 1: Modele językowe używają deterministycznej tokenizacji
    • Różnica 2: Modele językowe nie potrafią zwolnić i analizować poszczególnych liter
    • Różnica 3: Modele językowe inaczej postrzegają tekst
    • Zliczanie tokenów
  • Po jednym tokenie na raz
    • Modele autoregresyjne
    • Wzorce i powtórzenia
  • Temperatura i prawdopodobieństwo
  • Architektura transformerów
  • Podsumowanie
• 3. Przejście do czatu
  • Uczenie przez wzmacnianie na podstawie informacji zwrotnych do człowieka
    • Proces budowania modelu RLHF
    • Utrzymywanie rzetelności modeli językowych
    • Unikanie nietypowych zachowań
    • RLHF daje wiele korzyści niewielkim kosztem
    • Uważaj na koszty dostosowania
  • Przejście od instrukcji do konwersacji
    • Modele instrukcyjne
    • Modele konwersacyjne
  • Zmiany w interfejsie API
    • Interfejs API uzupełniania czatu
    • Porównanie konwersacji z uzupełnianiem
    • Od konwersacji do narzędzi
  • Projektowanie promptów jako sztuka dramatopisarska
  • Podsumowanie
• 4. Projektowanie aplikacji LLM
  • Anatomia pętli
    • Problem użytkownika
    • Przekształcanie problemu użytkownika na model dziedziny
    • Użycie LLM do uzupełniania promptu
    • Powrót do dziedziny użytkownika
  • Przyjrzyjmy się bliżej przejściu w przód
    • Tworzenie prostego przejścia w przód
    • Zagadnienie złożoności pętli
  • Ocenianie jakości aplikacji LLM
    • Ocena offline
    • Ocena online
  • Podsumowanie

Część II. Podstawowe techniki

• 5. Treść promptu
  • Źródła treści
  • Treści statyczne
    • Wyjaśnienie zapytania
    • Prompty z kilkoma przykładami
  • Treść dynamiczna
    • Odkrywanie dynamicznego kontekstu
    • Generacja wspomagana wyszukiwaniem
    • Podsumowywanie
  • Podsumowanie
• 6. Konstruowanie promptu
  • Anatomia idealnego promptu
  • Jaki to rodzaj dokumentu?
    • Konwersacja z prośbą o radę
    • Raport analityczny
    • Dokument strukturalny
  • Formatowanie fragmentów
    • Więcej o bezwładności
    • Formatowanie przykładów do promptów
  • Elastyczne fragmenty
  • Powiązania pomiędzy elementami promptów
    • Położenie
    • Ważność
    • Zależność
  • Połączenie wszystkich elementów
  • Podsumowanie
• 7. Okiełznanie modelu
  • Anatomia idealnego uzupełnienia
    • Wstęp
    • Rozpoznawalny początek i koniec
    • Uwaga końcowa
  • Nie tylko tekst: Logarytmy prawdopodobieństw
    • Jak dobra jest generowana treść?
    • Stosowanie modeli LLM do klasyfikacji
    • Kluczowe miejsca promptu
  • Wybór modelu
  • Podsumowanie

Część III. Ekspert sztuki

• 8. Sprawczość konwersacyjna
  • Stosowanie narzędzi
    • Modele LLM przystosowane do korzystania z narzędzi
    • Wytyczne dotyczące definiowania narzędzi
  • Rozumowanie
    • Rozumowanie krok po kroku
    • ReAct: Interaktywne rozumowanie i działanie
    • Nie tylko ReAct
  • Kontekst interakcji bazujących na zadaniach
    • Źródła kontekstu
    • Wybór i organizacja kontekstu
  • Tworzenie agenta konwersacyjnego
    • Zarządzanie konwersacjami
    • Doświadczenia użytkownika
  • Podsumowanie
• 9. Przepływy pracy korzystające z modeli LLM
  • Czy interfejs konwersacyjny wystarczy?
  • Podstawowe przepływy pracy korzystające z LLM
    • Zadania
    • Tworzenie przepływu pracy
    • Przykładowy przepływ pracy: Marketing wtyczek do Shopify
  • Zaawansowane przepływy pracy korzystające z modeli LLM
    • Umożliwienie agentowi LLM sterowania przepływem pracy
    • Agenty zadaniowe z pamięcią stanu
    • Role i delegacje
  • Podsumowanie
• 10. Ocena aplikacji korzystających z modeli LLM
  • Co właściwie testujemy?
  • Ocenianie offline
    • Przykłady zestawów testowych
    • Poszukiwanie próbek
    • Ocenianie rozwiązań
    • Oceny SOMA
  • Testy online
    • Testy A/B
    • Metryki
  • Podsumowanie
• 11. Rzut oka w przyszłość
  • Multimodalność
    • Doświadczenie użytkownika i interfejs użytkownika
    • Inteligencja
  • Podsumowanie