ChatGPT 開發手冊 Turbo×Vision 進化版—用 OpenAI Chat/Assistants API‧Function calling 設計 GPTs action‧LINE/Discord bot‧股市分析/自動助理 (1版)

類似書籍推薦給您

內容介紹 在 ChatGPT 帶起生成式 AI 百家齊放的新世紀, 整合語言模型已勢不可擋。隨著 OpenAI 釋出更厲害的新模型與整合度更高的 API, 善用語言模型理解文意與能言善道的超強特性, 邁入『自然語言就是程式語言』的願景已經不再是夢想。終端用戶將使用自然語言操控應用程式, 由語言模型自主理解規劃邏輯流程, 我們的程式則是語言模型背後的軍火庫, 串接外部各式各樣的功能。 | 用真實上線的 GPTs 學 action 開發 | 即使 GPTs 已經提供搜尋網路、上傳檔案的功能, 仍然無法隨意取用外部功能, 因此 GPTs 最關鍵的環節就是 action 外掛系統, 讓語言模型與外界接軌。本書會帶大家用真實上線的台鐵時刻表查詢專家當範例, 手把手教你設計 GPTs action, 補強客製 GPTs 欠缺的功能。 | 串接 Google OAuth2 API 管控 action 使用者 | 客製的 GPTs 要能針對不同使用者提供客製服務才是真客製, 本書會說明如何串接 Google OAuth2 API, 幫 GPTs action 加上登入 Google 帳號機制, 以便後端程式可以根據登入的使用者提供不同的服務, 設計出真正客製的 ChatGPT。 | Chat/Assistants API 全解析 | Assistants API 是 OpenAI API 家族的大禮, 以往我們必須自己處理的對話記錄、網路搜尋、向量資料庫、程式執行工具、文字生圖等等功能, 現在全部整合在 Assistants API 中, 成為實作 AI 助理的基石。本書會帶大家深度瞭解 Chat API 與 Assistants API 的差異, 讓你針對問題挑選適當的 API。 | 深入 function calling 機制 | 即使是最新的 gpt-4 模型, 訓練資料也僅止於 2023 年 4 月, 模型本身也不能連網取得新知, 更無法介接外部 API。透過 function calling 機制, 就可以撰寫各式各樣的函式作為延伸語言模型能力的外掛, 任由模型取用。新版模型更強化功能, 提供 parallel function calling, 即使複雜問題也能自動分解由多個函式完成。 | 整合 gpt-4-vision 模型 | gpt-4-vision 讓模型長眼睛, 本書就利用這項功能結合 code interpreter 工具, 帶大家製作一個給它網頁截圖就能模仿生出近似網頁檔的助理, 甚至還可以幫你從其他語言的 API 串接程式碼生成 JavaScript 程式碼, 以後看到欣賞的網頁, 就可以透過這種方式快速學習設計方法。 | 透過 Assistants API 讓語言模型幫你生 SQL | SQL 語法博大精深, 有的時候我們很明確知道想要從資料庫裡找出什麼結果, 但就是沒辦法把 SQL 語句寫對, 本書特別展示了一個簡單的小助理, 讓你用說的就能操作資料庫。 | 利用 Retrieval 工具設計 RAG 助理 | Assistants API 除了能夠記錄對話, 還提供額外的工具, 其中 Retrieval 工具免除我們自己將文件分段作 embedding 以及管理/存取向量資料庫的麻煩, 只要把檔案丟給它, 就可以快速開發檢索增強式生成 (RAG, Retrieval Augmented Generation) 助理。 | 善用 Assistants API 開發 LINE/Discord bot | 用語言模型幫即時通訊軟體長大腦, 變成隨身客製版的 ChatGPT, 不但能理解文字, 還能創意生圖改圖, 也能分析股市, 更能看圖說故事。 | 設計字幕與旁白自動生成助理 | 加字幕是拍片後最繁瑣的工作, 透過 Whisper 模型, 就可以自動從語音轉出加上時間點的字幕檔, 或者也可以反向從字幕檔利用 TTS 模型生成旁白音檔, 有效提升自媒體工作效率。 | 微軟 Azure OpenAI API 差異說明 | 除了 OpenAI 自己, 微軟的 Azure 平台也提供有 OpenAI API, 這兩個看似系出同門的 API 在使用上卻存在一些差異, 如果沒有注意, 就可能落入陷阱, 本書已經幫你測試過, 協助你無縫接軌轉移應用程式到 Azure 平台。 | 設計串流即時輸出的聊天架構 | 想要像是 ChatGPT 可以即時顯示生成內容, 避免讓使用者痴痴等待全部內容生成, 沒問題, OpenAI 也提供有串流模式, 本書也將串流功能與 function calling 整合進聊天框架, 讓你可以快速實作出具備即時顯示、又可彈性增減外部功能的對答程式。 | 詳解 OpenAI API 個別參數 | 不想被語言模型弄瘋, 就要瞭解 OpenAI API 的各項參數, 才能掌握語言模型生成的各種變數, 怎樣可以讓語言模型生成內容避開不想要出現的字詞？怎樣可以讓語言模型選用偏好的字詞？為什麼生出內容有怪怪的東西？這些都可以透過 API 的參數控制, 如果不瞭解參數, 就只能任由語言模型恣意亂為了。 本書特色 ‣ 解析實際上線的 GPTs 學會 action 開發 ‣ 串接 Google 帳號認證 GPTs action 使用者身分 ‣ 善用 Assistants API 設計 Discord 股票分析助理 ‣ 結合 gpt-4-vision/code interpreter 設計看圖生成網頁的自動助理 ‣ 使用 Assistants API 用說的就能操控 SQL 資料庫 ‣ 利用 function calling 幫 LINE AI 機器人突破限制開外掛 ‣ 整合 OpenAI Image API 設計 AI 文字生圖/改圖/修圖工具 ‣ 詳解 OpenAI API 參數/掌握語言模型輸出變化 ‣ 實作自動字幕/旁白產生器 ‣ 微軟 Azure OpenAI API 差異說明, 無縫接軌轉移應用程式到 Azure 平台 書籍目錄 第 1 章 OpenAI API 入門 1-1 有了 ChatGPT / GPTs 為什麼還要寫程式？ • 流程自動化 • 客製化聊天內容 • 延伸聊天範圍 • 整合 AI 功能 1-2 註冊 OpenAI API 帳戶 • 檢查目前用量 • 成為付費會員 • 限制使用額度 1-3 利用 Playground 熟悉 API • 可用的 API 模式與模型 • 認識 Chat API 的三種角色 • 保持對答脈絡 第 2 章 使用 Python 呼叫 API 2-1 使用官方 openai 套件 • 安裝與使用 openai 套件 • 直接透過模組使用 API • 傳遞多筆訊息 • 設定與隱藏金鑰的方法 2-2 認識 token • 使用 tokenizer 頁面檢視 token • 使用 tiktoken 套件計算精確 token 數 • ChatML 標記語言 2-3 使用 Python requests 模組呼叫 API • OpenAI API 的 HTTP 規格 • 使用 Python requests 模組 • 利用 curl 工具快速測試 API 2-4 加入組織成員 • 使用 API 時指定扣款組織 • 在 HTTP 表頭中指定組織 第 3 章 API 參數解析與錯誤處理 3-1 事前準備 3-2 控制生成訊息與 token 數量 • 指定生成的訊息數量 - n • 設定詞彙黑名單 - stop • 設定回覆語句的 tokens 數量上限 - max_tokens 3-3 控制回覆內容的變化性 • 讓回覆更具彈性 - temperature • 控制詞彙的豐富度 - top_p • 控制詞彙的重複性 - presence_penalty 與 frequency_penalty • 調整特定 token 的分數 - logi-bias • 固定可預測的輸出 - seed 3-4 串流輸出 • 可循序傳回結果的迭代器 (iterator) - stream • 串流多個語句 3-5 進階控制 • 控制輸出格式 - response_format • 取得底層 HTTP 回應內容 • 有眼睛的模型 - gpt-4-vision (GPT-4V) 3-6 錯誤處理與使用限制 • 使用例外機制處理錯誤 • API 存取限制 第 4 章 打造自己的 ChatGPT 4-1 文字模式簡易聊天程式 4-2 加入聊天記錄維持聊天脈絡 4-3 串流版本的聊天程式 4-4 儲存歷史紀錄下次繼續聊 • 掛接 Google 雲端硬碟 • 製作復原/儲存歷史紀錄的函式 第 5 章 突破時空限制–整合搜尋功能 5-1 用搜尋網頁幫 AI 補充知識 • 使用 Google 搜尋 5-2 整合搜尋結果讓 AI 跟上時代 5-3 使用 Google Search JSON API • 建立搜尋引擎 ID • 取得 API 金鑰 • 使用 HTTP API 取得搜尋結果 • 使用客製模組 第 6 章 讓 AI 幫 AI –自動串接流程 6-1 從 ChatGPT 外掛得到的啟示 • 準備工作 • 搭配串流/非串流模式的工具函式 6-2 由 AI 自動判斷要額外進行的工作 • 讓 AI 自行決定是否需要搜尋 • 撰寫判斷是否需要搜尋的工具函式 • 可自行判斷是否進行網路搜尋的聊天程式 6-3 可建構外掛系統的 Function Calling 機制 • 告知語言模型可用的外部工具函式 • 取得語言模型的建議 • 執行函式並傳回結果 • 同時叫用多個函式 (parallel function calling) • 以串流方式使用 function calling 6-4 建立 API 外掛系統 • 建立外部工具函式參考表 • 建立協助 function calling 的工具函式 • 建立 function_calling 版的 get_reply_f() 函式 • 建立 function calling 版本的 chat_f() 函式 • 循序叫用函式 第 7 章 網頁版聊天程式與文字生圖 Image API 7-1 準備工作 7-2 使用 gradio 套件快速建立網頁程式 • 安裝與使用 gradio • 使用串流方式顯示輸出 • 客製使用者介面 7-3 使用 DALL‧E 的 Image API • Image API 用法 • 建立文字生圖像網址的函式 • 包裝成生成 markdown 語法的函式 第 8 章 Assistants API —快速開發助理應用程式 8-1 什麼是 Assistants API • Assistants API 的定價 • Assistants API 的基本元件 • 建立 Assistant • 建立 Thread 與 Message • 建立 Run 執行任務 • 顯示討論串內的所有訊息 8-2 Assistants API 物件用法 • 建立新討論串直接執行 • 建立對話函式 • 取消執行 • 檢視執行記錄 • 刪除討論串 • 上傳文件增添知識庫 • 修改助理的檔案清單設定 • 刪除文件 • 列出所有助理 8-3 使用內建工具 • Code interpreter • Retrieval 檢索器 - RAG • Function calling 第 9 章 AI 助理開發實戰 9-1 看截圖就能生出類似網頁的小助理 • 使用 GPT-4-Vision 建立網頁模板 • 建立 function calling 9-2 自動串接 API - 取得真正資料 • 串接 API 程式碼 • 製作天氣預報網頁 9-3 SQL 資料庫查詢助理 • 下載資料 • 建立 SQL 資料庫 • 建立相關函式 • 建立 SQL 助理 第 10 章 設計 LINE AI 聊天機器人 10-1 設計簡易的 LINE 聊天機器人 • Messaging API • Replit 線上開發環境 • 實作 LINE 聊天機器人 • 設定環境變數 • 執行程式 • 串接程式與通道 • 測試聊天機器人 10-2 升級為 AI 聊天機器人 • 設定環境變數 • 修改程式碼 • 執行與測試 10-3 OpenAI 變化圖像的功能 10-4 可控制變化內容的 create_edit 函式 • ChatGPT code interpreter 工具來幫忙 • 讓 LINE 也能變化圖像背景 10-5 圖片解讀機器人 • 讓 LINE 也能解讀圖像 第 11 章 把 AI 帶到 Discord 11-1 建立第一個 Discord 機器人 • 前置作業 • 建立 Discord 開發者應用程式 • 取得 TOKEN • 將 Discord 機器人加入伺服器 11-2 建立回聲機器人 • 複製 Replit 專案：回聲機器人 • 程式碼詳解：回聲機器人 11-3 讓 Discord 機器人只處理指名給自己的訊息 • 複製 Replit 專案：指名道姓機器人 • 程式碼詳解：指名道姓機器人 11-4 加入 AI 的 Discord 機器人 • 複製 Replit 專案：加入 AI 大腦的機器人 第 12 章 AI 客製化投資理財應用實戰 12-1 能抓取證交所資料的 Discord 機器人 • 複製 Replit 專案：能抓取證交所資料的 Discord 機器人 • 抓取大盤資料 • 抓取個股股價資料 • 抓取個股本益比、殖利率及淨值比資料 • 斜線指令：main.py 12-2 StockGPT：專業的證券分析機器人 • 複製 Replit 專案：StockGPT • 抓取新聞資料 • AI 幫你來分析 12-3 加入按鈕指令來優化使用者體驗 • 複製 Replit 專案：按鈕版的 StockGPT • 按鈕指令：main.py 第 13 章 自媒體業者必看！使用 AI 自動生成高品質字幕與旁白 13-1 使用 PyTube 套件輕鬆下載 YouTube 檔案 • 複製 Replit 專案：輕鬆下載 YouTube 檔案 • 程式碼詳解：輕鬆下載 YouTube 檔案 13-2 使用 Whisper 模型從語音轉出字幕檔 • 複製 Replit 專案：從音訊檔轉出字幕檔 • 程式碼詳解：從音訊檔轉出字幕檔 13-3 影片不是中文的？讓 AI 變出中文字幕！ • 複製 Replit 專案：讓 AI 變出中文字幕 • 程式碼詳解：讓 AI 變出中文字幕 13-4 利用 TTS 模型生成旁白配音 • 複製 Replit 專案：TTS 文字轉語音 • 程式碼詳解：TTS 文字轉語音 第 14 章 GPTs Action 開發 14-1 客製的 ChatGPT - 台鐵時刻表專家簡介 14-2 使用 TDX 平台查詢台鐵資訊 • 查詢所有車站基本資料 • 指定起迄站代號查詢時刻表 • 取得驗證資訊 • 以驗證身分方式使用 API 14-3 GPTs action 實作入門 - 以查詢台鐵車站代號為例 • 建立客製版本的 ChatGPT • Action 基本架構 • API 規格檔 • 後端程式 • 測試 action 14-4 加入時刻表查詢功能 • 修改 API 規格檔 • 修改後端程式 • 測試 Action • 儲存客製的 ChatGPT 14-5 身分驗證 - 使用 API 金鑰 • 設定金鑰 • 啟用金鑰 • 修改後端程式 • 測試 Action 14-6 身分驗證 - 串接 Google 帳號 • OAuth 認證基本流程 • 執行後端程式 • 設定串接 Google 帳號 • 設定 action 認證方式 • 實際測試 • 後端程式解說 • 登出帳戶 附錄 A 微軟 Azure OpenAI API 的差異與注意事項 A-1 部署模型 • 建立資源 • 部署模型 • 使用遊樂場測試部署的模型 A-2 建立用戶端物件測試 API • 建立用戶端物件 • 預設啟用內容篩選機制 • 調整內容篩選層級 • 串流輸出時的注意事項

ChatGPT 開發手冊 - 用 OpenAI API‧LangChain‧Embeddings 設計 Plugin、LINE/Discord bot、股票分析與客服自動化助理 (1版)

類似書籍推薦給您

內容介紹 ChatGPT 熱潮之後, 就是語言模型開發應用的時代, 如何將語言模型融入各式各樣的應用當中, 就是開發者接下來面臨的挑戰。利用語言模型理解文意與能言善道的超強特性, 迎來『自然語言就是程式語言』的新世代, 終端用戶使用自然語言讓語言模型自主理解規劃邏輯流程, 我們的程式做為語言模型與外界的橋樑, 串接成完整的應用。本書將帶你： □ 【詳解 OpenAI API 個別參數】：想要善用語言模型, 就必須瞭解 API 的個別參數, temperature 到底什麼意思？怎樣可以讓語言模型生成內容避開不想要出現的字詞？怎樣可以讓語言模型選用偏好的字詞？為什麼生出內容有怪怪的東西？這些都可以透過 API 的參數控制, 如果不瞭解參數, 就只能任由語言模型恣意亂為了。 □ 【仿照 ChatGPT 設計會記憶的聊天機器人】：使用 ChatGPT 太習慣, 就會誤以為語言模型會幫你記錄一切, 沒考慮這一點, 利用 API 寫出來的程式就會變成金魚腦, 剛剛對答過的內容通通不記得。本書設計一個簡單的記憶架構, 可以像是 ChatGPT 一樣記錄對話, 即使程式結束重新啟動還是可以記得住。 □ 【利用 function calling 機制建置外掛系統】：OpenAI 語言模型受限於 2021 年 9 月的時空限制, 而且不能連網, 所以新資訊通通不知道, 也沒有辦法與外界介接。透過最新的 function calling 機制, 我們可以撰寫各式各樣的函式作為延伸語言模型能力的小工具, 讓語言模型自主判斷要使用哪些函式來達成任務, 等於是幫語言模型建立了外掛系統, 不管是搜尋網路、介接其他 API 或是服務, 通通都可以辦到, 就算是今天才發生的事也能暢所欲言。 □ 【設計串流輸出的 AI 聊天架構】：使用 ChatGPT 可以看到非常流暢地逐漸顯示生成的內容, 但是你寫的應用程式卻要等語言模型完整生出內容才能秀出來？本書會教你如何設計出類似 ChatGPT 的效果, 再也不用痴痴等完整結果, 呼叫 API 之後就會開始看到片段生成內容, 給使用者最即時的體驗。 □ 【整合 LINE/Discord bot】：實踐多年來大家夢想的 CUI(Conversation User Interface), 以自然語言控制系統。本書會帶大家整合 OpenAI API 與 LINE/Dicord bot, 除了基本的讓即時通訊軟體變身小助理, 還能理解文字幫你創意生圖/改圖/修圖, 也能幫你搜尋股市資訊, 分析股市。 □ 【使用 Embeddings 設計專屬知識的自動諮詢客服】：許多人都想要讓語言模型變成自己專屬的客服, 不但能言善道, 而且 24×7 不用休息。要做到這一點, 如果要靠輸入大量資料訓練新模型, 不但耗時耗力, 效果還不一定好。本書會帶大家透過 Embeddings 的方式彙整你的專屬文件, 用最有效率的方式搜尋到文件中相關的內容, 再由語言模型統合內容生成回覆, 快速又有效。 □ 【引入 LangChain 框架】：使用 OpenAI API 固然能夠控制最細微的功能, 不過只要善用已經幫你統整好底層 API 的高階框架, 開發起來就能事半功倍, LangChain 就是其中的佼佼者。LangChain 幫你將語言模型、提示模板、對談記錄、外部工具以及能理解推斷邏輯流程的代理元件串起來, 自動將使用者輸入的文句分解成細部工作再一一完成, 用最快的速度開發出能以自然語言操控自動生成產品文、上傳社群的自動代理系統 (agent)。 □ 【ChatGPT 外掛開發】：ChatGPT 目前最重要的就是外掛系統, 讓語言模型可以和外界接軌, 儼然建構起 ChatGPT 生態系。本書會帶大家用真實上架 Plugin store 的台鐵時刻表查詢外掛當範例, 手把手教你設計 ChatGPT Plugin, 還會帶你走一遍上架 Plugin store 流程, 讓你的應用程式與服務順暢介接進入 ChatGPT 家族。 本書的目標, 就是在【自然語言就是程式語言】的時代, 為各位奠定開發程式做為語言模型感官與外界溝通的基礎, 我們寫好各式各樣的外部工具聽任語言模型調用, 終端使用者就可以『說』得一口好程式了！ 本書特色 □ 解析 Plugin store 上架的台鐵時刻表外掛教你設計 ChatGPT Plugin □ 善用 OpenAI API 設計 Discord 股票分析機器人 □ 利用 LangChain 製作行銷文宣自動生成上傳社群服務 □ 結合 Embeddings×LangChain 設計台灣旅遊自動諮詢客服機器人 □ 利用 function calling 設計突破時空限制的 LINE AI 聊天機器人 □ 整合 OpenAI Image API 設計 AI 文字生圖/改圖/修圖工具 □ 透過 Gradio 設計可分享的 AI 網頁應用 □ 詳解 OpenAI API 參數/掌握語言模型輸出變化 書籍目錄 第 1 章 OpenAI API 入門 1-1 有了 ChatGPT 為什麼還要寫程式？ 流程自動化 客製化聊天內容 延伸聊天範圍 整合 AI 功能 1-2 註冊 OpenAI API 帳戶 檢查目前用量 成為付費會員 限制使用額度 1-3 利用 Playground 熟悉 API 可用的 API 模式與模型 認識 chat 模式的三種角色 保持對答脈絡 第 2 章 使用 Python 呼叫 API 2-1 使用官方 openai 套件 安裝與使用 openai 套件 傳遞多筆訊息 設定與隱藏金鑰的方法 2-2 認識 token 使用 tokenizer 頁面檢視 token 使用 tiktoken 套件計算精確 token 數 token 切割視覺化工具 ChatML 標記語言 2-3 使用 Python requests 模組呼叫 API OpenAI API 的 HTTP 規格 使用 Python requests 模組 利用 curl 工具快速測試 API 第 3 章 API 參數解析與錯誤處理 3-1 事前準備 3-2 控制生成訊息與 token 數量 指定生成的訊息數量 - n 設定詞彙黑名單 - stop 設定回覆語句的 tokens 數量上限 - max_tokens 3-3 控制回覆內容的變化性 讓回覆更具彈性 - temperature 控制詞彙的豐富度 - top_p 控制詞彙的重複性 - presence_penalty 與 frequency_penalty 調整特定 token 的分數 - logi-bias 3-4 串流輸出 可循序傳回結果的生成器 (generator) - stream 串流多個語句 3-5 錯誤處理與使用限制 使用例外機制處理錯誤 API 存取限制 第 4 章 打造自己的 ChatGPT 4-1 文字模式簡易聊天程式 4-2 加入聊天記錄維持聊天脈絡 4-3 串流版本的聊天程式 4-4 儲存歷史紀錄下次繼續聊 掛接 Google 雲端硬碟 製作復原/儲存歷史紀錄的函式 第 5 章 突破時空限制 – 整合搜尋功能 5-1 用搜尋網頁幫 AI 補充知識 使用 Google 搜尋 5-2 整合搜尋結果讓 AI 跟上時代 5-3 使用 Google Search JSON API 建立搜尋引擎 ID 取得 API Key 使用 HTTP API 取得搜尋結果 使用客製模組 第 6 章 讓 AI 幫 AI – 自動串接流程 6-1 從 ChatGPT 外掛得到的啟示 準備工作 搭配串流/非串流模式的工具函式 6-2 由 AI 自動判斷要額外進行的工作 讓 AI 自行決定是否需要搜尋 撰寫判斷是否需要搜尋的工具函式 可自行判斷是否進行網路搜尋的聊天程式 6-3 可建構外掛系統的 Function Calling 機制 告知語言模型可用的外部工具函式 取得語言模型的建議 執行函式並傳回結果 以串流方式使用 function calling 6-4 建立 API 外掛系統 建立外部工具函式參考表 建立協助 function calling 的工具函式 建立 function_calling 版的 get_reply_f() 函式 建立 function calling 版本的 chat_f() 函式 6-5 迭代式 function-calling 機制 gpt-4 模型真的比較厲害 驗證答案必要時強制進行第二輪 第 7 章 網頁版聊天程式與文字生圖 Image API 7-1 準備工作 7-2 使用 gradio 套件快速建立網頁程式 安裝與使用 gradio 使用串流方式顯示輸出 客製使用者介面 7-3 使用 DALL‧E 的 Image API Image API 用法 建立文字生圖像網址的函式 包裝成生成 markdown 語法的函式 第 8 章 設計 LINE AI 聊天機器人 8-1 設計簡易的 LINE 聊天機器人 Messaging API Replit 線上開發環境 實作 LINE 聊天機器人 設定環境變數 執行程式 串接程式與通道 測試聊天機器人 8-2 升級為 AI 聊天機器人 設定環境變數 修改程式碼 執行與測試 8-3 OpenAI 變化圖像的功能 8-4 可控制變化內容的 create_edit 函式 ChatGPT code interpreter 模型來幫忙 讓 LINE 也能變化圖像背景 第 9 章 自媒體業者必看！使用 AI 自動生成高品質字幕 9-1 使用 PyTube 套件輕鬆下載 YouTube 檔案 複製 Replit 專案：輕鬆下載 YouTube 檔案 程式碼詳解：輕鬆下載 YouTube 檔案 9-2 使用 Whisper「語音轉文本」模型轉出字幕檔 複製 Replit 專案：從音訊檔轉出字幕檔 程式碼詳解：從音訊檔轉出字幕檔 9-3 影片不是中文的？讓 AI 變出中文字幕！ 複製 Replit 專案：讓 AI 變出中文字幕 程式碼詳解：讓 AI 變出中文字幕 第 10 章 把 AI 帶到 Discord 10-1 建立第一個 Discord 機器人 前置作業 建立 Discord 開發者應用程式 取得 TOKEN 將 Discord 機器人加入伺服器 10-2 建立回聲機器人 複製 Replit 專案：回聲機器人 程式碼詳解：回聲機器人 10-3 讓 Discord 機器人只處理指名給自己的訊息 複製 Replit 專案：指名道姓機器人 程式碼詳解：指名道姓機器人 10-4 加入 AI 的 Discord 機器人 複製 Replit 專案：加入 AI 大腦的機器人 程式碼詳解：加入 AI 大腦的機器人 第 11 章 AI 客製化投資理財應用實戰 11-1 能抓取證交所資料的 Discord 機器人 複製 Replit 專案：能抓取證交所資料的 Discord 機器人 抓取大盤資料 抓取個股股價資料 抓取個股本益比、殖利率及淨值比資料 斜線指令：main.py 11-2 StockGPT：專業的證券分析機器人 複製 Replit 專案：StockGPT 抓取新聞資料 AI 幫你來分析 StockGPT 主程式：main.py 11-3 加入按鈕指令來優化使用者體驗 複製 Replit 專案：按鈕版的 StockGPT 按鈕指令：main.py 第 12 章 用 LangChain 實作新書宣傳自動小編 12-1 認識 LangChain 12-2 熟悉 LangChain 基本功能 使用 ChatOpenAI 提示模板 (PromptTemplate) 建立 LLMChain 對話記憶 Memory 12-3 串接 Google search 及 Agent 代理運用 建立 LangChain 代理 (Agent) 建立工具組 建立 Agent 12-4 實戰演練：用 LangChain 在社交軟體上宣傳新書 建立 Chain 元件 使用爬蟲 建立可取得單一書籍文案的函式 flag_book 宣傳文修改程式 前往 IFTTT 連接 FB 宣傳文編碼與上傳 第 13 章 用 Embeddings 實作台灣旅遊客服機器人 13-1 Embeddings 簡介 主要功能及應用 如何轉成向量 模型與花費 13-2 實作 Embeddings 建立環境 文字轉向量 比較關聯性 - 餘弦相似度 13-3 向量資料庫 動手操作 查詢資料 13-4 台灣旅遊客服機器人 快速建立資料庫 使用 RetrievalQA 使用 Gradio 建立網頁程式 第 14 章 ChatGPT Plugin 開發 14-1 火車時刻表查詢外掛簡介 14-2 使用 TDX 平台查詢台鐵資訊 查詢所有車站基本資料 指定起迄站代號查詢時刻表 取得驗證資訊 以驗證身分方式使用 API 14-3 ChatGPT 外掛實作入門 - 以查詢台鐵車站代號為例 ChatGPT 外掛基本架構 外掛描述檔 API 規格檔 後端程式 測試外掛 14-4 ChatGPT 外掛開發 - 加入時刻表查詢功能 修改外掛描述檔 修改 API 規格檔 修改後端程式 測試外掛 14-5 身分驗證 設定存取令牌 取得驗證令牌 修改後端程式 測試外掛 14-6 協同測試與上架 Plugin store 請其他開發者測試外掛 提交外掛

從源頭就優化：動手開發自己的編譯器實戰 (1版)

類似書籍推薦給您

【簡介】 從源頭就優化 - 動手開發自己的編譯器實戰 　　✴︎編譯器如何誕生？從歷史到架構，古往今來 　　✴︎詞法分析不再難，簡單步驟拆解關鍵技術 　　✴︎語法分析實戰，讓程式碼變成電腦能懂的語法樹 　　✴︎語義分析揭秘，變數與運算子的真正奧義 　　✴︎三位址碼登場，讓程式碼更接近機器世界 　　✴︎基本區塊劃分，拆解程式流程的內部運作 　　✴︎聰明分配暫存器，CPU效能發揮到極致 　　✴︎機器碼怎麼生成？X86_64 與 ARM64 一次搞懂 　　✴︎可執行檔的秘密，Linux 連接器全解析 　　✴︎指令碼語言運作原理，深入虛擬機器核心 　　✴︎編譯器的終極挑戰，數學模型解鎖未來可能  【目錄】 入門篇 第 1 章 編譯器簡介 1.1 程式語言的發展史 1.2 編譯器在IT 產業裡的核心地位 1.3 編譯器的程式架構 第 2 章 詞法分析 2.1 「理想語言」的詞法分析 2.2 實際程式語言的詞法擴充 2.2.1 程式語言的標識符號 2.2.2 關鍵字 2.2.3 數字 2.2.4 資料結構 2.3 詞法分析的數學解釋 第 3 章 語法分析 3.1 敘述類型的劃分 3.2 敘述的巢狀結構和遞迴分析 3.2.1 變數宣告敘述的分析 3.2.2 類型定義敘述的分析 3.2.3 順序區塊的分析 3.2.4 運算式的分析 3.2.5 運算元的優先順序和結合性 3.2.6 運算式樹的建構步驟 3.2.7 完整的抽象語法樹 3.2.8 抽象語法樹的資料結構 3.2.9 變數和類型的資料結構 3.2.10 變數的語法檢查 3.2.11 星號和乘法的區分 3.3 語法的靈活編輯和有限自動機框架 3.3.1 有限自動機的簡介 3.3.2 語法的編輯 3.3.3 程式語言的語法圖 3.3.4 SCF 框架怎麼實現「遞迴」 3.5.5 語法分析框架的模組上下文 3.3.6 for 迴圈的語法分析模組 3.3.7 小括號的多種含義 3.4 語法分析的數學解釋 第 4 章 語義分析 4.1 類型檢查 4.2 語義分析框架 4.2.1 語義分析的回呼函數 4.2.2 語義分析中的遞迴 4.3 運算元多載 4.3.1 運算元多載的實現 4.3.2 函數呼叫 4.3.3 多載函數的查詢 4.3.4 程式實現 4.3.5 SCF 編譯器的類別物件 4.4 new 關鍵字 4.5 多值函數 4.5.1 應用程式二進位介面 4.5.2 語法層面的支援 4.5.3 語義層面的支援 進階篇 第 5 章 三位址碼的生成 5.1 回填技術 5.1.1 回填的資料結構 5.1.2 三位址碼的資料結構 5.1.3 回填的步驟 5.2 if-else 的三位址碼 5.3 迴圈的入口和出口 5.4 指標與陣列的賦值 5.5 new 關鍵字的三位址碼 5.6 跳躍的最佳化 5.6.1 跳躍的最佳化簡介 5.6.2 邏輯運算元的短路最佳化 5.6.3 死程式消除 5.6.4 程式實現 第 6 章 基本區塊的劃分 6.1 比較、跳躍導致的基本區塊劃分 6.2 函數呼叫 6.3 基本區塊的流程圖 第 7 章 中間程式最佳化 7.1 程式框架 7.2 內聯函數 7.3 有向無環圖 7.3.1 公共子運算式 7.3.2 資料結構 7.3.3 有向無環圖的生成 7.4 圖的搜尋演算法 7.4.1 基本區塊的資料結構 7.4.2 寬度優先搜尋 7.4.3 深度優先搜尋 7.5 指標分析 7.5.1 指標解引用的分析 7.5.2 陣列和結構的指標分析 7.6 跨函數的指標分析 7.7 變數活躍度分析 7.7.1 變數的活躍度 7.7.2 單一基本區塊的變數活躍度分析 7.7.3 基本區塊流程圖上的分析 7.7.4 程式實現 7.8 自動記憶體管理 7.9 DAG 最佳化 7.9.1 無效運算 7.9.2 相同子運算式的判斷 7.9.3 出口活躍變數的最佳化 7.9.4 後++ 的最佳化 7.9.5 邏輯運算元的最佳化 7.9.6 DAG 最佳化的程式實現 7.10 迴圈分析 7.10.1 迴圈的辨識 7.10.2 迴圈的最佳化 第 8 章 暫存器分配 8.1 不同CPU 架構的暫存器組 8.2 變數之間的衝突 8.3 圖的著色演算法 8.3.1 簡單著色演算法 8.3.2 改進的著色演算法 第 9 章 機器碼的生成 9.1 RISC 架構的優勢 9.2 暫存器溢位 9.2.1 暫存器的資料結構 9.2.2 暫存器的衝突 9.2.3 暫存器的溢位 9.3 X86_64 的機器碼生成 9.3.1 X86_64 的機器指令 9.3.2 機器碼的生成 9.3.3 目的檔案 9.4 ARM64 的機器碼生成 9.4.1 指令特點 9.4.2 機器碼生成 第 10 章 ELF 格式和可執行程式的連接 10.1 ELF 格式 10.1.1 檔案標頭 10.1.2 節標頭表 10.1.3 程式標頭表 10.1.4 ELF 格式的實現 10.2 連接器 10.2.1 連接 10.2.2 靜態連接 10.2.3 動態連接 10.2.4 編譯器的主流程 10.3 可執行檔的執行 10.3.1 處理程式建立 10.3.2 程式的載入和執行 10.3.3 動態函數庫函數的載入 10.3.4 原始程式碼的編譯、連接、執行 第 11 章 Naja 位元組碼和虛擬機器 11.1 Naja 位元組碼 11.2 虛擬機器 11.2.1 虛擬機器的資料結構 11.2.2 虛擬機器的執行 11.2.3 動態函數庫函數的載入 第 12 章 資訊編碼的數學哲學 12.1 資訊編碼格式的轉換 12.2 多項式時間的演算法 12.3 自然指數e 和梯度下降演算法 12.4 複雜問題的簡單解法