chapter 01 提示五大原則 簡述提示五大原則 1. 給予方向 2. 指定格式 3. 提供範例 4. 評估品質 5. 任務分工 總結chapter 02 簡介大型語言模型用於文字生成 什麼是文字生成模型？ 歷史背景：Transformer 架構的崛起 OpenAI 的 GPT GPT-4 Google Gemini Meta Llama 與開放原始碼 運用量化與 LoRA Mistral Anthropic: Claude GPT-4V(ision) 比較各種模型 總結chapter 03 使用 ChatGPT 來生成文字的標準做法 生成清單 階層式清單生成 何時要避免使用正則表達式 生成 JSON 過濾 YAML 負載 處理 YAML 中的無效負載 使用 ChatGPT 生成多種格式 用五歲小孩都能懂的方式來說明 藉由 LLM 實現通用翻譯 要求上下文 文字風格拆解 辨識所需的文字特徵 使用提取特徵來生成新內容 使用 LLM 提取特定文字特徵 摘要 在上下文窗口受限的情況下摘要 文字分塊 分塊策略 使用 SpaCy 進行語句偵測 在 Python 中建置簡易分塊演算法 滑動窗口分塊 文字分塊套件包 使用 Tiktoken 進行文字分塊 編碼 估計 Chat API 呼叫的標記用量 情感分析 最少到最多 角色提示 GPT 提示策略 使用 LLM 分類 建置分類模型 多數決分類法 評估標準 元提示 總結chapter 04 使用 LangChain 的進階文字生成技巧 簡介 LangChain 聊天模型 串流聊天模型 建立多個 LLM 生成結果 LangChain 提示樣板 LangChain 表達式語言（LCEL） 使用提示樣板與聊天模型 輸出解析器 LangChain 評估 OpenAI 函式呼叫 平行函式呼叫 在 LangChain 中進行函式呼叫 使用 LangChain 來提取資料 查詢規劃 建立少樣本提示樣板 少樣本範例的限制 儲存與載入 LLM 提示 資料連接 文件載入器 文字分割器 根據長度和憑證大小來分割文字 使用遞歸字元分割來分割文字 任務分解 提示鏈接 總結chapter 05 FAISS 與 Pinecone 向量資料庫 檢索增強生成（RAG） 淺談嵌入 載入文件 使用 FAISS 進行記憶檢索 使用 LangChain 來進行 RAG 使用 Pinecone 來託管向量資料庫 自我查詢 其他檢索機制 總結chapter 06 具有記憶和工具的自動代理 思維鏈 代理 使用 LLM 作為 API（OpenAI 函式） 比較 OpenAI 函式與 ReAct 代理工具包 自定義標準代理 LCEL 中的自定義代理 理解與使用記憶 LangChain 中的記憶 LangChain 中其他常見的記憶類型 具備記憶的 OpenAI 函式代理 進階代理框架 回呼 總結chapter 07 淺談圖像生成擴散模型 OpenAI 的 DALL-E Midjourney Stable Diffusion Google Gemini 文字轉影像 模型比較 總結chapter 08 用 Midjourney 生成圖像的標準做法 樣式修飾符 藝術風格修飾符 負面提示工程 品質提升器 負面提示 加權詞 以圖像為提示 圖像修復 圖像擴展 角色一致性 重寫提示 拆解迷因 迷因對應 提示分析 總結chapter 09 使用 Stable Diffusion 生成圖片之進階技巧 執行 Stable Diffusion AUTOMATIC1111 網頁版使用者介面 Img2Img 放大圖像 Interrogate CLIP SD 圖像修復與圖像擴展 ControlNet 任意分割模型（SAM） DreamBooth 微調 Stable Diffusion XL Refiner 總結chapter 10 打造 AI 驅動應用程式 AI 部落格寫作 主題研究 專家訪談 生成大綱 文字生成 寫作風格 標題最佳化 AI 生成的部落格插圖 使用者介面 總結索引
AI應用程式開發 第二版｜活用ChatGPT與LLM技術開發實作 生成深度學習｜訓練機器繪畫、寫作、作曲與玩遊戲 第二版 LLM資安教戰手冊｜打造安全的AI應用程式