LLM應用開發 - 業界最實用30個應用現場直擊 (1版)

類似書籍推薦給您

【簡介】 　　本書共分30章，涵蓋30個實用的大語言模型應用專案。 　　第一章介紹美食推薦系統，實作隨機推薦功能；第二章為語言學習平台，結合大模型進行語言對話；第三章為戲文生成工具，自動產出劇情內容；第四章為智慧電影推薦，整合演算法與GUI介面；第五章為影像處理應用，包含影像增強與生成；第六章設計職業匹配系統，分析履歷並提供建議；第七章實作簡歷生成工具，自動填寫履歷內容；第八章為產品推薦系統，根據輸入條件推薦商品；第九章開發文字互動小說專案；第十章為小說創作平台，自動續寫故事內容；第十一章為情緒分析工具，可解析用戶情緒傾向；第十二章實作文字轉影像工具；第十三章提供足球賽事資訊；第十四章為圖書館檢索系統；第十五章為音色轉換工具；第十六章實作智慧換臉應用；第十七章協助撰寫留學文書；第十八章開發寵物照護小幫手；第十九章分析使用者評價內容；第二十章為旅遊地點圖鑑查詢；第二十一章為文案生成助手；第二十二章為菜譜推薦平台；第二十三章為文字校正工具；第二十四章提供網球運動員資訊；第二十五章設計職業推薦系統；第二十六章建構職場知識問答平台；第二十七章為手繪圖像辨識；第二十八章為文獻閱讀助手；第二十九章開發法律諮詢小程式；第三十章實作文風模擬應用。 本書特色 　　★美食推薦與商品推薦系統整合 　　★多輪語言學習與語音互動應用 　　★戲文生成與小說創作自動化 　　★智慧電影推薦與職業媒合系統 　　★履歷生成與留學文書產出流程 　　★職涯推薦與工作技能對應模型 　　★圖片處理、影像生成與換臉技術 　　★情緒分析與使用者評價介面建構 　　★文字轉影像與手繪圖辨識系統 　　★足球與網球運動員資訊查詢模組 　　★菜譜推薦與旅遊圖鑑呈現介面 　　★文案生成與文字校正整合應用 　　★法律諮詢與知識問答服務實作 　　★文風模擬與語體轉換工具開發 　　★前端介面設計與Node.js整合流程 　　★大模型API串接與多語系應用部署  【目錄】 ▌第1 章 美食推薦 1.1 整體設計 1.1.1 整體框架 1.1.2 系統流程 1.2 開發環境 1.2.1 安裝PyCharm 1.2.2 環境配置 1.2.3 建立專案 1.2.4 大模型API 申請 1.3 系統實現 1.3.1 頭部 1.3.2 背景樣式 1.3.3 主體 1.3.4 App.py 指令稿 1.3.5 random_food.py 指令稿 1.4 功能測試 1.4.1 執行專案 1.4.2 發送問題及回應 1.4.3 美食軟體網頁版跳躍 ▌第2 章 語言學習 2.1 整體設計 2.1.1 整體框架 2.1.2 系統流程 2.2 開發環境 2.2.1 安裝VS Code 2.2.2 安裝Node.js 2.2.3 安裝pnpm 2.2.4 環境配置 2.2.5 建立專案 2.2.6 大模型API 申請 2.3 系統實現 2.3.1 頭部 2.3.2 樣式 2.3.3 主體 2.3.4 main.js 指令稿 2.4 功能測試 2.4.1 執行專案 2.4.2 發送問題及回應 ▌第3 章 生成戲文 3.1 整體設計 3.1.1 整體框架 3.1.2 系統流程 3.2 開發環境 3.2.1 安裝VS Code 3.2.2 安裝Node.js 3.2.3 環境配置 3.2.4 大模型API 申請 3.3 系統實現 3.3.1 頭部 3.3.2 樣式 3.3.3 主體 3.3.4 主體 指令稿 3.3.5 其他介面設計 3.4 功能測試 3.4.1 執行專案 3.4.2 發送問題及回應 ▌第4 章 智慧電影 4.1 整體設計 4.1.1 整體框架 4.1.2 系統流程 4.2 開發環境 4.2.1 安裝PyCharm 4.2.2 安裝Python 4.2.3 軟體套件 4.2.4 建立專案 4.2.5 大模型API 申請 4.3 系統實現 4.3.1 主函式Main 4.3.2 推薦演算法 4.3.3 呼叫大模型 4.3.4 主體及GUI 介面 4.4 功能測試 4.4.1 執行專案 4.4.2 發送問題及回應 ▌第5 章 影像處理 5.1 整體設計 5.1.1 整體框架 5.1.2 系統流程 5.2 開發環境 5.2.1 安裝PyQt5 5.2.2 環境配置 5.2.3 大模型API 申請 5.3 系統實現 5.3.1 PyQt5 組件初始化與綁定機制 5.3.2 PyQt5 槽函式的定義 5.3.3 主函式 5.4 功能測試 5.4.1 影像處理功能測試 5.4.2 影像生成功能測試 ▌第6 章 職業匹配 6.1 整體設計 6.1.1 整體框架 6.1.2 系統流程 6.2 開發環境 6.2.1 安裝Anaconda 6.2.2 建立Git 6.2.3 安裝Streamlit 6.2.4 LangChain 的安裝與使用 6.2.5 環境配置 6.2.6 建立專案 6.2.7 大模型API 申請 6.3 系統實現 6.3.1 PDF 讀取剩餘區塊 6.3.2 樣式 6.3.3 模型互動 6.3.4 主程式邏輯 6.4 功能測試 6.4.1 執行專案 6.4.2 發送問題及回應 ▌第7 章 生成履歷 7.1 整體設計 7.1.1 整體框架 7.1.2 系統流程 7.2 開發環境 7.2.1 安裝Node.js 7.2.2 安裝pnpm 7.2.3 環境配置 7.2.4 建立專案 7.2.5 大模型API 申請 7.3 系統實現 7.3.1 頭部 7.3.2 樣式 7.3.3 主體 7.3.4 main.js 指令稿 7.4 功能測試 7.4.1 執行專案 7.4.2 發送問題及回應 ▌第8 章 產品推薦 8.1 整體設計 8.1.1 整體框架 8.1.2 系統流程 8.2 開發環境 8.2.1 安裝PyCharm 8.2.2 環境配置 8.2.3 大模型API 申請 8.3 系統實現 8.3.1 頭部 8.3.2 樣式 8.3.3 主體 8.3.4 App.py 8.4 功能測試 8.4.1 執行專案 8.4.2 發送問題及回應 ▌第9 章 重生之水滸穿越 9.1 整體設計 9.1.1 整體框架 9.1.2 系統流程 9.2 開發環境 9.2.1 安裝Python 9.2.2 安裝Anaconda 9.2.3 環境配置 9.2.4 大模型API 申請 9.3 系統實現 9.3.1 main.py 9.3.2 utils.py 9.4 功能測試 9.4.1 執行專案 9.4.2 發送問題及回應 ▌第10 章 小說創作 10.1 整體設計 10.1.1 整體框架 10.1.2 系統流程 10.2 開發環境 10.2.1 安裝Python 10.2.2 安裝PyCharm 10.2.3 環境配置 10.2.4 建立專案 10.2.5 大模型API 申請 10.3 系統實現 10.3.1 頭部引入 10.3.2 關鍵函式 10.3.3 視窗實現 10.3.4 Spark API 10.4 功能測試 10.4.1 執行專案 10.4.2 發送問題及回應 ▌第11 章 情緒分析 11.1 整體設計 11.1.1 整體框架 11.1.2 系統流程 11.2 開發環境 11.2.1 安裝Anaconda 11.2.2 安裝Tkinter 和OpenAI 函式庫 11.2.3 編輯器環境配置 11.2.4 大模型API 申請 11.3 系統實現 11.3.1 guitest.ipynb 11.3.2 omgtest.ipynb 11.3.3 omgloop.ipynb 11.3.4 main.py 11.4 功能測試 11.4.1 執行專案 11.4.2 發送問題及回應 ▌第12 章 文字轉影像 12.1 整體設計 12.1.1 整體框架 12.1.2 系統流程 12.2 開發環境 12.2.1 安裝Python 12.2.2 安裝PyCharm 12.2.3 安裝PyWebIO 函式庫 12.2.4 大模型API 申請 12.3 系統實現 12.3.1 獲得驗證參數 12.3.2 主程式 12.4 功能測試 12.4.1 執行專案 12.4.2 發送問題及回應 ▌第13 章 足球資訊 13.1 整體設計 13.1.1 整體框架 13.1.2 系統流程 13.2 開發環境 13.2.1 安裝Python 函式庫 13.2.2 大模型API 申請 13.3 系統實現 13.3.1 soccerhelper.py 13.3.2 mainWindow.py 13.3.3 SparkAPI.py 13.4 功能測試 13.4.1 執行專案 13.4.2 發送問題及回應 ▌第14 章 圖書館檢索 14.1 整體設計 14.1.1 整體框架 14.1.2 系統流程 14.2 開發環境 14.2.1 安裝PyCharm 14.2.2 建立Python 虛擬環境 14.2.3 安裝資料庫 14.2.4 建立專案 14.2.5 大模型API 申請 14.3 系統實現 14.3.1 前端HTML 檔案 14.3.2 視圖檔案views.py 14.4 功能測試 14.4.1 成果展示 14.4.2 後端日誌監控 14.4.3 大模型API 呼叫情況 ▌第15 章 音色轉換 15.1 整體設計 15.1.1 整體框架 15.1.2 系統流程 15.2 開發環境 15.2.1 配置PyCharm 解譯器 15.2.2 安裝Python 套件 15.2.3 環境配置 15.2.4 大模型API 申請 15.3 系統實現 15.3.1 視窗設計 15.3.2 呼叫音色轉換 15.3.3 檔案格式轉換 15.3.4 視窗前端和後端業務邏輯連接 15.4 功能測試 15.4.1 執行專案 15.4.2 專案輸出 ▌第16 章 智慧換臉 16.1 整體設計 16.1.1 整體框架 16.1.2 系統流程 16.2 開發環境 16.2.1 安裝Python 函式庫 16.2.2 建立專案 16.2.3 大模型API 申請 16.3 系統實現 16.3.1 主介面類別DisplayWindow 16.3.2 子介面SecondWindow 16.3.3 子介面ThirdWindow 16.3.4 子介面ForthWindow 類別 16.3.5 執行緒類別VideoThread 16.3.6 執行緒類別APICaller 16.3.7 執行緒類別MonitorThread 16.3.8 其他類別FolderHandler 16.3.9 requests.py 檔案 16.4 功能測試 16.4.1 執行專案 16.4.2 拍照 16.4.3 選擇本地影像 16.4.4 搜尋目標人臉 16.4.5 換臉 ▌第17 章 留學文書 17.1 整體設計 17.1.1 整體框架 17.1.2 系統流程 17.2 開發環境 17.2.1 安裝Node.js 17.2.2 安裝Vue.js 17.2.3 大模型API 申請 17.3 系統實現 17.3.1 API.js 17.3.2 headBar.vue 17.3.3 index.vue 17.3.4 App.vue 17.4 功能測試 17.4.1 執行專案 17.4.2 發送問題及回應 ▌第18 章 寵物幫手 18.1 整體設計 18.1.1 整體框架 18.1.2 系統流程 18.2 開發環境 18.2.1 安裝Node.js 18.2.2 安裝pnpm 18.2.3 環境配置 18.2.4 建立專案 18.2.5 大模型API 申請 18.3 系統實現 18.3.1 頭部 18.3.2 樣式style.css 18.3.3 樣式one.css 18.3.4 主體 18.3.5 其餘檔案的主體 18.3.6 main.js 指令稿 18.4 功能測試 18.4.1 執行專案 18.4.2 發送問題及回應 ▌第19 章 使用者評價 19.1 整體設計 19.1.1 整體框架 19.1.2 系統流程 19.2 開發環境 19.2.1 安裝PyCharm 19.2.2 安裝urllib 19.2.3 環境配置 19.2.4 建立專案 19.3 系統實現 19.3.1 匯入執行函式庫 19.3.2 獲得Stoken 19.3.3 獲得回答 19.3.4 主函式 19.4 功能測試 19.4.1 執行專案 19.4.2 發送問題及回應 ▌第20 章 旅遊圖鑑 20.1 整體設計 20.1.1 整體框架 20.1.2 系統流程 20.2 開發環境 20.2.1 安裝Node.js 20.2.2 安裝pnpm 20.2.3 環境配置 20.2.4 建立專案 20.2.5 大模型API 申請 20.3 系統實現 20.3.1 頭部 20.3.2 樣式 20.3.3 主體 20.3.4 main.js 指令稿 20.4 功能測試 20.4.1 執行專案 20.4.2 發送問題及回應 ▌第21 章 文案助手 21.1 整體設計 21.1.1 整體框架 21.1.2 系統流程 21.2 開發環境 21.2.1 安裝Python 21.2.2 安裝PyCharm 21.2.3 安裝PyWebIO 函式庫 21.2.4 大模型API 申請 21.3 系統實現 21.3.1 主程式 21.3.2 API 通訊 21.4 功能測試 21.4.1 執行專案 21.4.2 發送問題及回應 ▌第22 章 食譜推薦 22.1 整體設計 22.1.1 整體框架 22.1.2 系統流程 22.2 開發環境 22.2.1 安裝Node.js 22.2.2 安裝pnpm 22.2.3 環境配置 22.2.4 建立專案 22.2.5 大模型API 申請 22.3 系統實現 22.3.1 頭部 22.3.2 樣式 22.3.3 主體 22.3.4 main.js 指令稿 22.4 功能測試 22.4.1 執行專案 22.4.2 發送問題及回應 ▌第23 章 文字糾錯 23.1 整體設計 23.1.1 整體框架 23.1.2 系統流程 23.2 開發環境 23.2.1 安裝Node.js 23.2.2 安裝pnpm 23.2.3 環境配置 23.2.4 建立專案 23.2.5 大模型API 申請 23.3 系統實現 23.3.1 頭部 23.3.2 樣式 23.3.3 主體 23.3.4 main.js 指令稿 23.4 功能測試 23.4.1 執行專案 23.4.2 發送問題及回應 ▌第24 章 網球運動員 24.1 整體設計 24.1.1 整體框架 24.1.2 系統流程 24.2 開發環境 24.2.1 安裝Python 24.2.2 安裝PyCharm 24.2.3 環境配置 24.2.4 大模型API 申請 24.3 系統實現 24.3.1 頭部 24.3.2 樣式 24.3.3 主體 24.3.4 main.py 指令稿 24.4 功能測試 24.4.1 執行專案 24.4.2 發送問題及回應 ▌第25 章 職業推薦 25.1 整體設計 25.1.1 整體框架 25.1.2 系統流程 25.2 開發環境 25.2.1 安裝PyCharm 25.2.2 大模型API 申請 25.3 系統實現 25.3.1 頭部 25.3.2 樣式 25.3.3 主體 25.3.4 App.py 25.4 功能測試 25.4.1 執行專案 25.4.2 發送問題及回應 ▌第26 章 職場助手 26.1 整體設計 26.1.1 整體框架 26.1.2 系統流程 26.2 開發環境 26.2.1 安裝微信開發者工具 26.2.2 安裝MySQL 26.2.3 安裝Navicat 26.2.4 環境配置 26.2.5 專案啟動 26.2.6 大模型API 申請 26.3 系統實現 26.3.1 小程式全域配置 26.3.2 spark 26.3.3 user 26.3.4 後端伺服器 26.4 功能測試 26.4.1 發送問題及回應 26.4.2 查詢歷史記錄 ▌第27 章 手繪圖像辨識 27.1 整體設計 27.1.1 整體框架 27.1.2 系統流程 27.2 開發環境 27.2.1 安裝微信開發者工具 27.2.2 安裝偵錯基礎函式庫 27.2.3 大模型API 申請 27.3 系統實現 27.3.1 畫板組件 27.3.2 主介面的.js 檔案 27.3.3 .wxml 檔案和.wxss 檔案 27.4 功能測試 27.4.1 執行專案 27.4.2 繪製影像獲得回答 ▌第28 章 文獻閱讀 28.1 整體設計 28.1.1 整體框架 28.1.2 系統流程 28.2 開發環境 28.2.1 配置伺服器端 28.2.2 環境配置 28.2.3 大模型API 申請 28.3 系統實現 28.3.1 前端程式 28.3.2 後端程式 28.4 功能測試 ▌第29 章 法律諮詢 29.1 整體設計 29.1.1 整體框架 29.1.2 系統流程 29.2 開發環境 29.2.1 安裝微信開發者工具 29.2.2 大模型API 申請 29.3 系統實現 29.3.1 index.js 29.3.2 index.wxml 29.3.3 index.wxss 29.3.4 hotline.wxml 29.3.5 hotline.wxss 29.3.6 consult.js 29.3.7 consult.wxml 29.3.8 consult.wxss 29.3.9 lawfirm.js 29.3.10 lawfirm.wxml 29.3.11 lawfirm.wxss 29.3.12 App.js 29.3.13 App.json 29.3.14 App.wxss 29.3.15 Project.config.json 29.4 功能測試 29.4.1 執行專案 29.4.2 發送問題及回應 ▌第30 章 文風模擬 30.1 整體設計 30.1.1 整體框架 30.1.2 系統流程 30.2 開發環境 30.2.1 安裝Python 30.2.2 安裝函式庫和模組 30.2.3 建立專案 30.2.4 大模型API 申請 30.3 系統實現 30.3.1 匯入模組和初始化 30.3.2 建立文字標籤及文風選擇 30.3.3 設置按鈕樣式及模型版本 30.3.4 執行Tkinter 主迴圈 30.4 功能測試 30.4.1 執行專案 30.4.2 發送問題及回應

LLM最強重武裝：RAG開發應用優化現場直擊 (1版)

類似書籍推薦給您

【簡介】 　　►全面掌握 RAG 技術原理與應用實戰 　　►從零開始構建文件檢索與回應生成系統 　　►涵蓋 LangChain、LlamaIndex 等主流框架 　　►逐步實作查詢引擎、對話引擎與 Data Agent 　　►實現多模態與 SQL 查詢、多階段檢索流程 　　►進階解析 Self-RAG、C-RAG 與 RAPTOR 新范式　 　　►提供完整開發環境、部署策略與效能優化指南　 　　►針對企業級應用設計 API 模組與前後端整合 　　►詳細講解 RAG 系統的評估標準與測試流程 　　►實例導向，完整涵蓋從理論到專案實作全流程 　　本書系統化解析 RAG（Retrieval-Augmented Generation）的技術核心、開發流程與工程實踐，從初學者能立即上手的簡易範例，到企業級部署場景中的最佳化策略與創新范式應用，涵蓋最完整的知識脈絡。使用 LlamaIndex、LangChain 等熱門框架，實作查詢引擎、對話引擎與多模態處理流程。針對開發者與實務導向需求，書中詳細講解資料載入、索引、檢索與回應生成等各階段設計重點，並引導讀者透過可追蹤、可自訂的模組打造高彈性 RAG 解決方案。進階章節聚焦於 C-RAG、Self-RAG、RAPTOR 等新型架構，並提供完整評估機制與部署架構，協助技術團隊有效實作生產環境，是不可或缺的現代生成式 AI 系統開發指南。 【目錄】 ▌預備篇 ►第1章 了解大模型與 RAG 1.1 初識大模型 1.1.1 大模型時代：生成式AI 應用的爆發 1.1.2 大模型應用的持續進化 1.1.3 大模型是無所不能的嗎 1.2 了解RAG 1.2.1 為什麼需要RAG 1.2.2 一個簡單的RAG 場景 1.3 RAG 應用的技術架構 1.3.1 RAG 應用的經典架構與流程 1.3.2 RAG 應用面臨的挑戰 1.3.3 RAG 應用架構的演進 1.4 關於RAG 的兩個話題 1.4.1 RAG 與微調的選擇 1.4.2 RAG 與具有理解超長上下文能力的大模型 ►第2章 RAG 應用程式開發環境架設 2.1 開發RAG 應用的兩種方式 2.1.1 使用低程式開發平臺 2.1.2 使用大模型應用程式開發框架 2.2 RAG 應用程式開發環境準備 2.2.1 硬體環境建議 2.2.2 基礎大模型 2.2.3 嵌入模型 2.2.4 Python 虛擬執行環境 2.2.5 Python IDE 與開發外掛程式 2.2.6 向量庫 2.2.7 LlamaIndex 框架 2.3 關於本書開發環境的約定 【預備篇小結】 ▌基礎篇 ►第3章 初識 RAG 應用程式開發 3.1 開發一個最簡單的RAG 應用 3.1.1 使用原生程式開發 3.1.2 使用LlamaIndex 框架開發 3.1.3 使用LangChain 框架開發 3.2 如何追蹤與偵錯RAG 應用 3.2.1 借助LlamaDebugHandler 3.2.2 借助第三方的追蹤與偵錯平臺 3.3 準備：基於LlamaIndex 框架的RAG 應用程式開發核心組件 ►第4章 模型與 Prompt 4.1 大模型 4.1.1 大模型在RAG 應用中的作用 4.1.2 大模型元件的統一介面 4.1.3 大模型元件的單獨使用 4.1.4 大模型元件的整合使用 4.1.5 了解與設置大模型的參數 4.1.6 自訂大模型元件 4.1.7 使用LangChain 框架中的大模型元件 4.2 Prompt  4.2.1 使用Prompt 範本 4.2.2 更改預設的Prompt 範本 4.2.3 更改Prompt 範本的變數 4.3 嵌入模型 4.3.1 嵌入模型在RAG 應用中的作用 4.3.2 嵌入模型元件的介面 4.3.3 嵌入模型元件的單獨使用 4.3.4 嵌入模型元件的整合使用 4.3.5 了解與設置嵌入模型的參數 4.3.6 自訂嵌入模型元件 ►第5章 資料載入與分割 5.1 理解兩個概念：Document 與Node 5.1.1 什麼是Document 與Node 5.1.2 深入理解Document 與Node 5.1.3 深入理解Node 物件的中繼資料 5.1.4 生成Document 物件 5.1.5 生成Node 物件 5.1.6 中繼資料的生成與取出 5.1.7 初步了解IndexNode 類型 5.2 資料載入 5.2.1 從本地目錄中載入 5.2.2 從網路中載入資料 5.3 資料分割 5.3.1 如何使用資料分割器 5.3.2 常見的資料分割器 5.4 資料攝取管道 5.4.1 什麼是資料攝取管道 5.4.2 用於資料攝取管道的轉換器 5.4.3 自訂轉換器 5.4.4 使用資料攝取管道 5.5 完整認識資料載入階段 ►第6章 資料嵌入與索引 6.1 理解嵌入與向量 6.1.1 直接用模型生成向量 6.1.2 借助轉換器生成向量 6.2 向量儲存 6.2.1 簡單向量儲存 6.2.2 第三方向量儲存 6.3 向量儲存索引 6.3.1 用向量儲存建構向量儲存索引物件 6.3.2 用Node 清單建構向量儲存索引物件 6.3.3 用文件直接建構向量儲存索引物件 6.3.4 深入理解向量儲存索引物件 6.4 更多索引類型 6.4.1 文件摘要索引 6.4.2 物件索引 6.4.3 知識圖譜索引 6.4.4 樹索引 6.4.5 關鍵字表索引 ►第7章 檢索、回應生成與 RAG 引擎 7.1 檢索器 7.1.1 快速建構檢索器 7.1.2 理解檢索模式與檢索參數 7.1.3 初步認識遞迴檢索 7.2 回應生成器 7.2.1 建構回應生成器 7.2.2 回應生成模式 7.2.3 回應生成器的參數 7.2.4 實現自訂的回應生成器 7.3 RAG 引擎：查詢引擎 7.3.1 建構內建類型的查詢引擎的兩種方法 7.3.2 深入理解查詢引擎的內部結構和執行原理 7.3.3 自訂查詢引擎 7.4 RAG 引擎：對話引擎 7.4.1 對話引擎的兩種建構方法 7.4.2 深入理解對話引擎的內部結構和執行原理 7.4.3 理解不同的對話模式 7.5 結構化輸出 7.5.1 使用output_cls 參數 7.5.2 使用輸出解析器 【基礎篇小結】 ▌高級篇 ►第8章 RAG 引擎高級開發 8.1 檢索前查詢轉換 8.1.1 簡單查詢轉換 8.1.2 HyDE 查詢轉換 8.1.3 多步查詢轉換 8.1.4 子問題查詢轉換 8.2 檢索後處理器 8.2.1 使用節點後處理器 8.2.2 實現自訂的節點後處理器 8.2.3 常見的預先定義的節點後處理器 8.2.4 Rerank 節點後處理器 8.3 語義路由 8.3.1 了解語義路由 8.3.2 帶有路由功能的查詢引擎 8.3.3 帶有路由功能的檢索器 8.3.4 使用獨立的選擇器 8.3.5 可多選的路由查詢引擎 8.4 SQL 查詢引擎 8.4.1 使用NLSQLTableQueryEngine 元件 8.4.2 基於即時資料表檢索的查詢引擎 8.4.3 使用SQL 檢索器 8.5 多模態文件處理 8.5.1 多模態文件處理架構 8.5.2 使用LlamaParse 解析文件 8.5.3 多模態文件中的表格處理 8.5.4 多模態大模型的基礎應用 8.5.5 多模態文件中的圖片處理 8.6 查詢管道：編排基於Graph 的RAG 工作流 8.6.1 理解查詢管道 8.6.2 查詢管道支援的兩種使用方式 8.6.3 深入理解查詢管道的內部原理 8.6.4 實現並插入自訂的查詢組件 ►第9章 開發 Data Agent 9.1 初步認識Data Agent 9.2 建構與使用Agent 的工具 9.2.1 深入了解工具類型 9.2.2 函數工具 9.2.3 查詢引擎工具 9.2.4 檢索工具 9.2.5 查詢計畫工具 9.2.6 隨選載入工具 9.3 基於函數呼叫功能直接開發Agent 9.4 用框架元件開發Agent 9.4.1 使用OpenAIAgent 9.4.2 使用ReActAgent 9.4.3 使用底層API 開發Agent 9.4.4 開發帶有工具檢索功能的Agent 9.4.5 開發帶有上下文檢索功能的Agent 9.5 更細粒度地控制Agent 的執行 9.5.1 分步可控地執行Agent 9.5.2 在Agent 執行中增加人類互動 ►第10章 評估 RAG 應用 10.1 為什麼RAG 應用需要評估 10.2 RAG 應用的評估依據與指標 10.3 RAG 應用的評估流程與方法 10.4 評估檢索品質 10.4.1 生成檢索評估資料集 10.4.2 執行評估檢索過程的程式 10.5 評估回應品質 10.5.1 生成回應評估資料集 10.5.2 單次回應評估 10.5.3 批次回應評估 10.6 基於自訂標準的評估 ►第11章 企業級 RAG 應用的常見最佳化策略 11.1 選擇合適的知識塊大小 11.1.1 為什麼知識塊大小很重要 11.1.2 評估知識塊大小 11.2 分離檢索階段的知識塊與生成階段的知識塊 11.2.1 為什麼需要分離 11.2.2 常見的分離策略及實現 11.3 最佳化對大文件集知識庫的檢索 11.3.1 中繼資料過濾 + 向量檢索 11.3.2 摘要檢索+ 內容檢索 11.3.3 多文件Agentic RAG 11.4 使用高級檢索方法 11.4.1 融合檢索 11.4.2 遞迴檢索 ►第12章 建構點對點的企業級 RAG 應用 12.1 對生產型RAG 應用的主要考量 12.2 點對點的企業級RAG 應用架構 12.2.1 資料儲存層 12.2.2 AI 模型層 12.2.3 RAG 工作流與API 模組 12.2.4 前端應用模組 12.2.5 背景管理模組 12.3 點對點的全端RAG 應用案例 12.3.1 簡單的全端RAG 查詢應用 12.3.2 基於多文件Agent 的點對點對話應用 ►第13章 新型 RAG 範式原理與實現 13.1 自校正RAG：C-RAG 13.1.1 C-RAG 誕生的動機 13.1.2 C-RAG 的原理 13.1.3 C-RAG 的實現 13.2 自省式RAG：Self-RAG 13.2.1 Self-RAG 誕生的動機 13.2.2 Self-RAG 的原理 13.2.3 Self-RAG 的實現 13.2.4 Self-RAG 的最佳化 13.3 檢索樹RAG：RAPTOR 13.3.1 RAPTOR 誕生的動機 13.3.2 RAPTOR 的原理 13.3.3 RAPTOR 的實現 【高級篇小結】  

校田裡的生活課：直擊108課綱第一現場，種菜玩出學習力 ×創造力 × 品格力 (1版)

類似書籍推薦給您

【簡介】 呆呆聽講、死背課本Out， 腳踩泥土，田園變教室In！ 一本最實用的工具書，啟動最酷的跨領域素養教學， 輕鬆激發孩子自主學習的動力與潛力。   　　108課綱已正式展開，老師、家長該怎麼做到核心素養的培養， 　　幫助孩子成為更好的自己，具備用得出來也帶得走的能力？ 　　在校田裡學種菜、從昆蟲觀察中理解生命教育…… 　　原來最驚喜的解答，都藏在土地裡。   　　2015年起，台灣好基金會啟動「神農計劃」，結合有機農友、回鄉青年等資源，與苗栗縣、屏東縣的八個鄉鎮十四所迷你小學攜手打造校田，用2500天翻轉教育。   　　一畝畝校田是田野上的活教室，以有機飲食、土地教育、家鄉認同為核心基礎，老師帶領著孩子學於土地，打破以往照本宣科的僵化學習，延伸好奇的寬廣觸角，展開自我學習與知識探索之旅。    　　原來教育可以這樣學！透過神農計劃，孩子們學到了觀察問題、提出問題、解決問題的能力。例如有的孩子面對栽種作物的輪作障礙與失敗，轉而研究土壤，一舉奪下科學展覽的好名次。有的孩子為了一起決定校田的作物，深入了解家鄉在地的特色與物產，透過討論與說服，培養了公民素養；為了學習永續與有機栽種，孩子們學會思考化學肥料與農藥對土地和食物鏈的優點與缺點。   　　一本兼具理念與實用的工具書，啟動教育新契機： 　　‧校田怎麼變成課程：打開梔子花的果莢，裡頭藏著數學觀念；學用毬果堆聖誕樹，練習平衡與美感。看各學校老師如何把田野裡的知識，無縫接軌自然、數學、語文、社會、資訊等學科領域。   　　‧校田怎麼種：我的學校適合開田嗎？需要多大面積、要有哪些條件？該種什麼？跟著開田六法，從無到有，開闢校田沒有想像中那麼難。   　　‧校田帶給孩子的品格成長：種菜失敗體會一分耕耘，一分收穫，磨練耐挫心；不灑農藥有機栽種，學會尊重生命，與自然共存。種種農事經驗，都是滋養心靈的契機。   真心推薦   　　作家、畫家  蔣勳   　　教育部前政務次長  范巽綠　 　　雲門舞集創辦人  林懷民  　　天下雜誌群創辦人暨董事長  殷允芃  　　學思達創始人  張輝誠  　　DFC台灣發起人  許芯瑋  　　全台最大教師社群「溫老師備課party」創始人  溫美玉【目錄】 〔推薦序〕等待花開，重建人與自然、土地的倫理   蔣勳 〔推薦序〕與大地共鳴，開啟食．農．教育的對話   范巽綠 〔推薦序〕輕撫泥土的溫度，不僅耕田，也為心志播種   張輝誠 〔導讀〕  我在島嶼有個夢　柯文昌 〔前言〕  報告！我在校田撿到寶   Part 1 現場篇：噹噹噹，校田開課了 1-1自然課>野草、野蟲、野孩子，我的寶可夢在田野間翻滾！ 1-2數學課>種子當教材，昆蟲當老師，一畝田裡藏了好多數學！ 1-3語文課>跟著昆蟲、植物學語文，閱讀寫作活起來！ 1-4社會課>社區基地在學校，從農事凝聚在地力量 1-5鄉土課&文化課>鄉土教育的答案，就在土地裡 1-6美學課>帶著美感看世界，處處皆是無牆美術館 1-7飲食課>一把有機菜，點燃餐桌上的革命 1-8資訊課>從泥地到雲端，種菜也可以很科技！ 1-9跨域整合>分享知識，用主題連貫全年級 1-10共學課>回到一張白紙，向孩子學習吧！   Part 2 行動篇：造校田、用校田，好簡單 2-1校田診斷>從無到有，找出種菜好寶地 2-2作物思考>選出理想作物，栽種樂陶陶 2-3農事工序>墾前預習，新手農夫不必慌 2-4補配系統>自製堆肥，化身小小神農 2-5支持系統>左鄰右舍一起來，守護作物好收成 2-6收成之後>我種菜你來吃，共享豐收好滋味 2-7學以致用>一畝田怎麼變出校定課綱？   Part 3 反思篇：向校田學品格 3-1一堂大自然裡的生命課！ 3-2搬開八個小石頭的智慧   〔後記〕 神農計劃贊助企業的迴響