| FindBook |
有 1 項符合
提示工程：方法、技巧與行業應用的圖書 |
博客來| 圖書館借閱 |
| 國家圖書館 | 全國圖書書目資訊網 | 國立公共資訊圖書館 | 電子書服務平台 | MetaCat 跨館整合查詢 |
| 臺北市立圖書館 | 新北市立圖書館 | 基隆市公共圖書館 | 桃園市立圖書館 | 新竹縣公共圖書館 |
| 苗栗縣立圖書館 | 臺中市立圖書館 | 彰化縣公共圖書館 | 南投縣文化局 | 雲林縣公共圖書館 |
| 嘉義縣圖書館 | 臺南市立圖書館 | 高雄市立圖書館 | 屏東縣公共圖書館 | 宜蘭縣公共圖書館 |
| 花蓮縣文化局 | 臺東縣文化處 |
|
|
圖書介紹 - 資料來源：博客來 評分：
圖書名稱：提示工程：方法、技巧與行業應用
內容簡介
本書是揭示大語言模型背後技術奧秘的“金鑰匙”，從宏觀到微觀全方位解讀AI創新世界，幫助讀者釋放創造力、解放生產力、提升技術力。本書的第1章和第2章聚焦大語言模型本身以及提示工程的興起，能夠讓讀者對大語言模型技術的發展背景、概念以及應用場景等有較為全面的瞭解。第3章，則是結合當下火熱的AIGC話題展開介紹，為讀者提供AIGC圖像生成的實戰體驗，幫助讀者快速上手，更好地感受和理解當前AIGC和提示工程的強大威力。第4章和第5章，從實操角度為讀者提供豐富的提示工程基本技巧和進階技巧，並探索大語言模型的高階玩法，如程式設計、外掛程式、函式呼叫等，説明讀者解鎖大語言模型深層次的應用潛力。第6章、第7章和第8章，針對提示工程在搜索、Microsoft365，以及法律、金融、醫療等多個領域及行業的具體應用展開介紹。本書的每一章都可獨立成話題，相信通過閱讀本書，您將對大語言模型、提示工程技術有更加全面的瞭解。
作者介紹
張祺博士
現任微軟全球資深副總裁，負責微軟互聯網業務及人工智慧平臺團隊，服務微軟全球的業務和用戶。他在人工智慧、機器學習、大數據、大語言模型、分散式運算等領域成績斐然，領導建立了微軟廣告、必應搜索、Edge流覽器、大數據、知識圖譜、商用人工智慧、人工智慧平臺團隊，為Office和Azure產品的數據化和智慧化奠定了堅實基礎，並建立了微軟搜索商業化體系，在短短數年即創造了數百億美元的業務營收。在人才培養和團隊發展方面，張祺博士注重成長型思維和開拓型創新，為微軟培養了一支多元化和充滿創新活力的優秀團隊。 張祺博士于2002年加入微軟美國總部，2014年成為微軟全球合夥人，2018年被授予“微軟全球傑出工程師”榮譽，成為微軟中國首位獲此技術專家榮譽的工程師。
現任微軟全球資深副總裁，負責微軟互聯網業務及人工智慧平臺團隊，服務微軟全球的業務和用戶。他在人工智慧、機器學習、大數據、大語言模型、分散式運算等領域成績斐然，領導建立了微軟廣告、必應搜索、Edge流覽器、大數據、知識圖譜、商用人工智慧、人工智慧平臺團隊，為Office和Azure產品的數據化和智慧化奠定了堅實基礎，並建立了微軟搜索商業化體系，在短短數年即創造了數百億美元的業務營收。在人才培養和團隊發展方面，張祺博士注重成長型思維和開拓型創新，為微軟培養了一支多元化和充滿創新活力的優秀團隊。 張祺博士于2002年加入微軟美國總部，2014年成為微軟全球合夥人，2018年被授予“微軟全球傑出工程師”榮譽，成為微軟中國首位獲此技術專家榮譽的工程師。
目錄
序言
前言
第1章 認識大語言模型和ChatGPT 1
1.1 大語言模型基礎 1
1.1.1 什麼是語言模型 1
1.1.2 語言模型的歷史 4
1.1.3 基礎語言模型的種類 5
1.1.4 基礎語言模型的訓練和評估 10
1.1.5 什麼是大語言模型 14
1.2 大語言模型的類型 15
1.2.1 從左到右大語言模型 15
1.2.2 遮罩語言模型 16
1.2.3 首碼語言模型和編碼器–解碼器結構 17
1.3 初識ChatGPT 18
1.3.1 ChatGPT的原理 18
1.3.2 ChatGPT的應用 24
1.3.3 ChatGPT的挑戰 27
1.4 其他大語言模型 29
第2章 人工智慧範式的變遷與提示工程 32
2.1 人工智慧範式的變遷 32
2.1.1 人工智慧模型及其訓練 32
2.1.2 人工智慧範式的變遷詳解 34
2.2 提示工程的興起 40
2.2.1 提示學習 41
2.2.2 提示學習的研究領域 44
2.2.3 蓬勃發展的提示工程 52
2.2.4 提示工程的特點與優勢 56
2.2.5 提示工程的局限、挑戰及探索 57
第3章 AIGC中的提示工程 59
3.1 全面認識AIGC 59
3.1.1 AIGC的誕生和發展 60
3.1.2 AIGC引起內容生成範式的變遷 61
3.1.3 提示詞與AIGC 61
3.2 AIGC的類別、原理及工具 62
3.2.1 文本生成 63
3.2.2 代碼生成 64
3.2.3 圖像生成 65
3.2.4 視頻生成 67
3.3 AIGC的影響 68
3.3.1 AIGC對各行各業的影響 68
3.3.2 提示工程師的誕生 69
3.4 AIGC圖像生成與提示工程 70
3.4.1 Stable Diffusion的提示工程 70
3.4.2 Midjourney的提示工程 79
3.4.3 實戰：利用ChatGPT和Midjourney完成廣告文案和圖像的生成 81
第4章 提示工程的基本思路和技巧 85
4.1 提示工程基礎知識 85
4.1.1 提示工程的基本思路 85
4.1.2 提示工程的特點 87
4.1.3 提示調試涉及的因素 90
4.1.4 提示效果評估 92
4.1.5 工具和資源 93
4.2 提示工程基本技巧 94
4.2.1 上下文資訊和指令 95
4.2.2 角色扮演 99
4.2.3 從零樣本到少樣本 101
4.3 提示工程進階技巧 104
4.3.1 思維鏈 104
4.3.2 自洽性 106
4.3.3 由少到多 109
4.3.4 生成知識提示法 111
4.3.5 自動提示生成 114
4.3.6 其他進階方法簡介 115
第5章 ChatGPT中的提示工程 119
5.1 ChatGPT的基本模型設置 120
5.2 提示詞的基礎知識回顧 120
5.2.1 提示詞格式 121
5.2.2 提示詞要素 122
5.2.3 設計提示的通用技巧 122
5.3 文本任務 124
5.3.1 文本概括 124
5.3.2 資訊提取 125
5.3.3 文本分類 126
5.3.4 問答 127
5.3.5 對話 127
5.4 編程 128
5.4.1 代碼生成 129
5.4.2 代碼調試 130
5.4.3 單元測試 131
5.5 外掛程式 132
5.5.1 ChatGPT外掛程式功能使用 132
5.5.2 ChatGPT外掛程式功能開發 135
5.5.3 代碼解譯器 138
5.6 函數調用 142
5.6.1 函數調用功能使用 143
5.6.2 函數調用應用場景 146
第6章 搜索領域的提示工程應用 148
6.1 新必應及其聊天體驗 148
6.1.1 新必應簡介 148
6.1.2 全新的聊天體驗 150
6.1.3 必應普羅米修士模型 156
6.2 檢索增強的大語言模型 158
6.2.1 大語言模型的幻覺問題 158
6.2.2 檢索增強的大語言模型框架 160
6.2.3 開源實例 161
6.3 大語言模型增強檢索 168
6.3.1 神經向量檢索 168
6.3.2 相關性重排 171
6.3.3 數據標注 173
6.4 搜索新場景 174
6.4.1 必應故事 174
6.4.2 必應知識卡片2.0 176
第7章 Microsoft Copilot中的提示工程 178
7.1 Microsoft 365 Copilot概覽 178
7.1.1 Copilot中的提示 178
7.1.2 Copilot系統 179
7.2 Word Copilot 181
7.2.1 Word Copilot基本功能 183
7.2.2 Word Copilot提示交互的基本原理 184
7.2.3 典型交互類型與提示實例 186
7.3 PowerPoint Copilot 188
7.3.1 PowerPoint Copilot基本功能 189
7.3.2 PowerPoint提示交互的工作流程與示例 190
7.3.3 典型交互類型與提示實例 194
7.3.4 PowerPoint的渲染與樣式—Designer 196
7.4 Excel Copilot 199
7.4.1 Excel Copilot基本功能 200
7.4.2 基本原理 201
7.4.3 提示實例 202
7.5 其他應用 204
7.5.1 Teams Copilot基本功能與提示實例 204
7.5.2 Outlook Copilot基本功能與提示實例 207
7.6 應用實戰 209
7.6.1 題目描述 209
7.6.2 Azure OpenAI 快速入門 209
7.6.3 參考答案 210
第8章 提示工程的行業應用 212
8.1 大語言模型對各行業的影響 212
8.2 法律行業的應用 213
8.2.1 法律行業的需求背景和潛在機會 213
8.2.2 法律行業的產品案例 214
8.2.3 典型應用場景（一）：起草法律合同 216
8.2.4 典型應用場景（二）：法律論證 221
8.3 醫療行業的應用 223
8.3.1 醫療行業的需求背景和潛在機會 223
8.3.2 醫療行業的產品案例 224
8.3.3 典型應用場景（一）：醫療詢診 226
8.3.4 典型應用場景（二）：醫學影像 232
8.4 金融行業的應用 234
8.4.1 金融行業的需求背景和潛在機會 234
8.4.2 金融行業的產品案例 235
8.4.3 典型應用場景 235
8.5 應用實戰：基於ChatGPT的醫學詢診 251
8.5.1 環境配置 252
8.5.2 數據下載和處理 253
8.5.3 編寫提示完成問答功能 254
8.6 應用實戰：基於ChatGPT的跨境電商行銷和運營 257
8.6.1 廣告行銷 258
8.6.2 銷售運營 260
8.6.3 獨立自建站 262
參考文獻 264
前言
第1章 認識大語言模型和ChatGPT 1
1.1 大語言模型基礎 1
1.1.1 什麼是語言模型 1
1.1.2 語言模型的歷史 4
1.1.3 基礎語言模型的種類 5
1.1.4 基礎語言模型的訓練和評估 10
1.1.5 什麼是大語言模型 14
1.2 大語言模型的類型 15
1.2.1 從左到右大語言模型 15
1.2.2 遮罩語言模型 16
1.2.3 首碼語言模型和編碼器–解碼器結構 17
1.3 初識ChatGPT 18
1.3.1 ChatGPT的原理 18
1.3.2 ChatGPT的應用 24
1.3.3 ChatGPT的挑戰 27
1.4 其他大語言模型 29
第2章 人工智慧範式的變遷與提示工程 32
2.1 人工智慧範式的變遷 32
2.1.1 人工智慧模型及其訓練 32
2.1.2 人工智慧範式的變遷詳解 34
2.2 提示工程的興起 40
2.2.1 提示學習 41
2.2.2 提示學習的研究領域 44
2.2.3 蓬勃發展的提示工程 52
2.2.4 提示工程的特點與優勢 56
2.2.5 提示工程的局限、挑戰及探索 57
第3章 AIGC中的提示工程 59
3.1 全面認識AIGC 59
3.1.1 AIGC的誕生和發展 60
3.1.2 AIGC引起內容生成範式的變遷 61
3.1.3 提示詞與AIGC 61
3.2 AIGC的類別、原理及工具 62
3.2.1 文本生成 63
3.2.2 代碼生成 64
3.2.3 圖像生成 65
3.2.4 視頻生成 67
3.3 AIGC的影響 68
3.3.1 AIGC對各行各業的影響 68
3.3.2 提示工程師的誕生 69
3.4 AIGC圖像生成與提示工程 70
3.4.1 Stable Diffusion的提示工程 70
3.4.2 Midjourney的提示工程 79
3.4.3 實戰：利用ChatGPT和Midjourney完成廣告文案和圖像的生成 81
第4章 提示工程的基本思路和技巧 85
4.1 提示工程基礎知識 85
4.1.1 提示工程的基本思路 85
4.1.2 提示工程的特點 87
4.1.3 提示調試涉及的因素 90
4.1.4 提示效果評估 92
4.1.5 工具和資源 93
4.2 提示工程基本技巧 94
4.2.1 上下文資訊和指令 95
4.2.2 角色扮演 99
4.2.3 從零樣本到少樣本 101
4.3 提示工程進階技巧 104
4.3.1 思維鏈 104
4.3.2 自洽性 106
4.3.3 由少到多 109
4.3.4 生成知識提示法 111
4.3.5 自動提示生成 114
4.3.6 其他進階方法簡介 115
第5章 ChatGPT中的提示工程 119
5.1 ChatGPT的基本模型設置 120
5.2 提示詞的基礎知識回顧 120
5.2.1 提示詞格式 121
5.2.2 提示詞要素 122
5.2.3 設計提示的通用技巧 122
5.3 文本任務 124
5.3.1 文本概括 124
5.3.2 資訊提取 125
5.3.3 文本分類 126
5.3.4 問答 127
5.3.5 對話 127
5.4 編程 128
5.4.1 代碼生成 129
5.4.2 代碼調試 130
5.4.3 單元測試 131
5.5 外掛程式 132
5.5.1 ChatGPT外掛程式功能使用 132
5.5.2 ChatGPT外掛程式功能開發 135
5.5.3 代碼解譯器 138
5.6 函數調用 142
5.6.1 函數調用功能使用 143
5.6.2 函數調用應用場景 146
第6章 搜索領域的提示工程應用 148
6.1 新必應及其聊天體驗 148
6.1.1 新必應簡介 148
6.1.2 全新的聊天體驗 150
6.1.3 必應普羅米修士模型 156
6.2 檢索增強的大語言模型 158
6.2.1 大語言模型的幻覺問題 158
6.2.2 檢索增強的大語言模型框架 160
6.2.3 開源實例 161
6.3 大語言模型增強檢索 168
6.3.1 神經向量檢索 168
6.3.2 相關性重排 171
6.3.3 數據標注 173
6.4 搜索新場景 174
6.4.1 必應故事 174
6.4.2 必應知識卡片2.0 176
第7章 Microsoft Copilot中的提示工程 178
7.1 Microsoft 365 Copilot概覽 178
7.1.1 Copilot中的提示 178
7.1.2 Copilot系統 179
7.2 Word Copilot 181
7.2.1 Word Copilot基本功能 183
7.2.2 Word Copilot提示交互的基本原理 184
7.2.3 典型交互類型與提示實例 186
7.3 PowerPoint Copilot 188
7.3.1 PowerPoint Copilot基本功能 189
7.3.2 PowerPoint提示交互的工作流程與示例 190
7.3.3 典型交互類型與提示實例 194
7.3.4 PowerPoint的渲染與樣式—Designer 196
7.4 Excel Copilot 199
7.4.1 Excel Copilot基本功能 200
7.4.2 基本原理 201
7.4.3 提示實例 202
7.5 其他應用 204
7.5.1 Teams Copilot基本功能與提示實例 204
7.5.2 Outlook Copilot基本功能與提示實例 207
7.6 應用實戰 209
7.6.1 題目描述 209
7.6.2 Azure OpenAI 快速入門 209
7.6.3 參考答案 210
第8章 提示工程的行業應用 212
8.1 大語言模型對各行業的影響 212
8.2 法律行業的應用 213
8.2.1 法律行業的需求背景和潛在機會 213
8.2.2 法律行業的產品案例 214
8.2.3 典型應用場景（一）：起草法律合同 216
8.2.4 典型應用場景（二）：法律論證 221
8.3 醫療行業的應用 223
8.3.1 醫療行業的需求背景和潛在機會 223
8.3.2 醫療行業的產品案例 224
8.3.3 典型應用場景（一）：醫療詢診 226
8.3.4 典型應用場景（二）：醫學影像 232
8.4 金融行業的應用 234
8.4.1 金融行業的需求背景和潛在機會 234
8.4.2 金融行業的產品案例 235
8.4.3 典型應用場景 235
8.5 應用實戰：基於ChatGPT的醫學詢診 251
8.5.1 環境配置 252
8.5.2 數據下載和處理 253
8.5.3 編寫提示完成問答功能 254
8.6 應用實戰：基於ChatGPT的跨境電商行銷和運營 257
8.6.1 廣告行銷 258
8.6.2 銷售運營 260
8.6.3 獨立自建站 262
參考文獻 264
|
