來自業界專家的推薦📢
「Mike和James是這領域的大師，這絕對是我讀過關於提示工程的最棒書籍之一。」
── Dan Shipper，Every共同創辦人與CEO

「如果想要提升AI系統的準確性和可靠性，這本書在你的書架上足有一席之地。」
── Mayo Oshin，Siennai Analytics創辦人與CEO，LangChain早期貢獻者

ChatGPT、DALL-E這類大型語言模型（LLM）和生成擴散模型具備了前所未有的潛力。經由網際網路上的公開文字與圖像訓練之後，這些模型可應用於各種任務。由於進入門檻大幅降低，幾乎任何開發者都能利用AI模型來解決以往不適合自動化的問題。

透過本書，你將掌握生成式AI的扎實基礎，並學習如何將這些模型應用於實際情境。在將大型語言模型與生成擴散模型整合至工作流程時，多數開發者往往難以生成可供自動化系統使用的可靠結果。本書作者James Phoenix與Mike Taylor將深入解析提示工程的核心原則，讓你在正式部署後能與AI高效共事。

本書精彩內容：
• 適用於不同模型且未來也依然有效的提示五大原則。
• 使用LangChain等函式庫和框架，將生成式AI應用於實際案例。
• 評估GPT-4和DALL-E 2等OpenAI模型與其他包括開放原始碼模型的替代方案，分析比較各自的優勢與弱點。
• 這些原則如何實際應用在自然語言處理、文字與圖像生成以及程式開發領域中。

James Phoenix曾為General Assembly教育公司開設超過60場資料科學訓練營。
Mike Taylor創辦了行銷公司Ladder，該公司在美國、英國與歐盟擁有50名員工。
James和Mike透過他們攜手創辦的公司Vexpower，一同教授各種生成式AI課程。

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