生成式 AI 設計模式｜處理生成式AI代理及應用程式的常見挑戰

生成式AI已開始真正進入產品、服務與企業流程，但當團隊實際開發GenAI應用程式與AI Agent時，往往很快就遇到各種工程問題：

模型產生幻覺、回應結果不穩定該如何處理？
怎麼讓生成內容符合品牌風格與指定格式？
如何讓Agent具備規劃、自我修正與協作能力？
多個Agent又該如何組合成可落地的應用系統？

本書整理了32種生成式AI設計模式（Generative AI Design Patterns），將研究論文與第一線實務經驗轉化為可直接套用的工程解法。
無論是拿來作為參考手冊、架構設計指南，或是培養整體GenAI設計思維，這本書都是對工程師、資料科學家、軟體架構師或產品經理極具價值的工具書。

【專業推薦】
「這是一本引領GenAI從原型邁向正式部署的實戰手冊。書中收錄的設計模式匯集了現實的工程經驗，可讓開發者充滿信心地應對幻覺、可靠性與規模化的種種挑戰。」
——Marily Nika博士，《Building AI-Powered Products》作者

「Hannes與Lak將寶貴的實戰智慧寫成這本全方位指南，幫助你將理論轉化為實際做法。」
——Chip Huyen，《設計機器學習系統》與《AI工程》作者


生成式AI帶來強大的新能力，然而，在正式交付可靠的應用程式或代理之前，你仍然會面臨有一些棘手的限制。幸運的是，來自業界專家的二位作者已經整理了32種經得起考驗的設計模式。在開發LLM專案時難以避免的難題都可以在本書中找到對策，包括幻覺、不確定的回應，以及模型知識斷層。

本書將論文研究跟實務經驗整理成可以直接套用的建議。在每一種模式中，作者會先說明問題在哪，再附上完整的範例程式來示範解法，最後還會分析解決方案背後的取捨。

• 因應LLM的侷限性
• 確保生成的內容符合特定風格、語調與格式
• 在權衡各類風險的同時，將創意極大化
• 讓代理具備規劃能力、自我修正能力、行動能力，而且能與其他代理協作
• 將多種模式組合成適合各種應用場景的代理型應用程式

作者簡介：

Valliappa (Lak) Lakshmanan 是代理型AI初創公司Obin.ai的共同創辦人兼技術長。在創業前，他曾擔任Google的AI解決方案總監，並在美國國家海洋暨大氣總署擔任ML研究員。他寫過多本O’Reilly技術叢書，包括著名的《機器學習設計模式》，並因為率先運用ML來預測劇烈天氣，而當選美國氣象學會會士。

Hannes Hapke 是Digits的首席機器學習工程師，負責開發金融應用的機器學習系統。他是機器學習領域的Google Developer Expert，也是Google開發者諮詢委員會成員。他曾經合著多本機器學習書籍，包括《建構機器學習管道｜運用TensorFlow實現模型生命週期自動化》與 《Natural Language Processing in Action》（Manning）。
Agillity Sutdio 集合技術書籍資深譯者，以敏捷的節奏為讀者轉譯第一手技術新知，在縮短知識時差的同時，力求文字準確度與閱讀流暢感。譯作賜教：agilitystd@proton.me。