• 全部
  • 圖書
  • 認證
書籍封面
封面
內頁
內頁
內頁
內頁
內頁
內頁
內頁
內頁
紙本書電子書

使用FastAPI建構生成式AI服務｜開發理解豐富脈絡的生成式AI應用

Building Generative AI Services with FastAPI: A Practical Approach to Developing Context-Rich Genera

書號：
A814
作者：
Alireza Parandeh
譯者：
agility studio
定價：
880
出版日：
2025/12/16
ISBN：
9786264252317
附件：
無

「軟體開發者與資料科學家必備的實戰資源！Ali以深厚技術與清晰教學，手把手帶你用FastAPI打造可上線的生成式AI服務，從實作中保持領先地位。」
—Joe Rowe，Applied Data Science Partners技術保證與合規主管

「這是一本極實用的生成式AI入門書籍，詳盡說明如何打造真正能運作的服務，非常適合當成邁入 AI 開發領域的首選書籍。」
—Julian Brendel，Vitol資深Python開發者

準備好要用生成式AI打造真正可上線的應用程式了嗎？
本書以實作為核心，教你如何運用FastAPI網頁框架來設計與部署AI服務。你將學到如何整合模型，處理文字、圖像、音訊與影片，並讓服務與資料庫、檔案系統、網站與API自然串接。無論你是網頁開發者、資料科學家，還是DevOps工程師，本書提供的範例、工具與策略，都能幫你打造高效、可隨需擴展、能即時提供服務的AI應用程式。

作者Alireza Parandeh透過清楚的解說與實際範例來介紹身分驗證、並行、快取，同時結合向量庫的檢索增強生成（RAG）技術。你將學會如何檢驗AI輸出品質、提升效能，以及保護微服務的最佳做法，並利用Docker來部署容器，在雲端自信啟動你的AI應用程式。

• 建立可與資料庫、檔案系統、網站及API互動的AI服務。
• 管理並行的AI工作與長時間運行的任務。
• 透過WebSockets與伺服器傳送事件（SSE），以串流形式傳送AI生成的結果。
• 使用身分驗證、內容過濾、限流與速率限制機制來保護服務。
• 透過快取、批次處理與微調技術強化AI效能。

Alireza Parandeh 是獲得英國工程委員會（UK Engineering Council）認證的特許工程師（Chartered Engineer），也是微軟與Google認證的開發者、資料工程師與資料科學家。

#FastAPI #生成式AI #AI服務/應用開發 #RAG #Docker部署AI #Context-rich AI
Alireza Parandeh 是獲得英國工程委員會（UK Engineering Council）認證的特許工程師（Chartered Engineer），也是微軟與Google認證的開發者、資料工程師與資料科學家。
推薦序
前言

【第一部分　開發AI服務】

第一章　導論
什麼是生成式AI？
為什麼生成式AI服務將推動未來的應用程式
如何建立生成式AI服務
為什麼要使用FastAPI來建立生成式AI服務？
阻礙眾人採用生成式AI服務的因素
專題計畫概要
總結

第二章　開始使用FastAPI
FastAPI介紹
設置你的開發環境
FastAPI的功能與優勢
FastAPI專案結構
洋蔥式/分層式應用設計模式
比較FastAPI與其他Python web框架
FastAPI的限制
設定託管式Python環境與工具
總結

第三章　AI整合與模型運維
部署生成式模型
部署生成式AI模型的策略
middleware在監視服務時的功能
總結
參考文獻

第四章　實作型態安全的AI服務
型態安全簡介
實作型態安全
Pydantic模型
總結

【第二部分　與外部系統通訊】

第五章　並行處理AI運算作業
為多位使用者優化GenAI服務
以非同步設計來優化I/O任務
為記憶體密集型與計算密集型AI推論任務優化模型部署
管理長時間執行的AI推論任務
總結
參考文獻

第六章　使用生成式模型來即時通訊
web通訊機制
實作SSE端點
實作WS端點
總結

第七章　將資料庫整合至AI服務
資料庫的作用
資料庫系統
專案：在關聯式資料庫中儲存使用者與LLM的對話
管理資料庫schema的變更
在處理即時串流時儲存資料
總結

【第三部分　安全措施、優化、測試，與部署AI服務】

第八章　身分驗證與授權
身分驗證與授權
身分驗證方法
實作OAuth驗證
授權
總結

第九章　保護AI服務
使用管理與濫用防護
護欄
API速率限制與限流機制
總結

第十章　優化AI服務
優化技術
總結

第十一章　測試AI服務
測試的重要性
軟體測試
測試GenAI服務時的挑戰
專案：為RAG系統實作測試程式
總結

第十二章　部署AI服務
部署選項
使用Docker來容器化
總結

後記
索引