大模型提示工程实战
作 者:(英)詹姆斯·菲尼克斯(James Phoenix),(美)迈克·泰勒(Mike Taylor) 著 孙霄逸 译
定 价:109.8
出 版 社:人民邮电出版社
出版日期:2026年07月01日
页 数:349
装 帧:平装
ISBN:9787115690371
目录
●
对本书的赞誉
前言
第1章 提示工程的五大原则
1.1 提示工程的五大原则概述
1.2 原则一：提供指导
1.3 原则二：指定格式
1.4 原则三：提供示例
1.5 原则四：评估质量
1.6 原则五：任务拆分
1.7 小结
第2章 面向文本生成的LLM
2.1 什么是文本生成模型
2.1.1 向量表示：语言的数值本质
2.1.2 Transformer 架构：组织上下文关系
2.1.3 概率文本生成：决策机制
2.2 历史背景：Transformer 架构的崛起
2.3 OpenAI 的 GPT
2.4 GPT-3.5 Turbo 与 ChatGPT
2.5 GPT-4
2.6 Google Gemini
2.7 Meta 的 Llama 和开源
2.8 通过量化和 LoRA 优化模型
2.9 Mistral
2.10 Anthropic 的 Claude
……
内容介绍
本书是广受欢迎的提示工程实战指南，兼顾系统性与实战性。本书囊括国际主流模型与开源工具，配套可直接复用的场景案例与实操方法。内容涉及提示工程的五大原则、主流 LLM/扩散模型实操、AI 应用开发、LangChain 落地技巧、RAG 方案及智能体开发等，形成了“原则-模型-实操-进阶”的清晰脉络，全面覆盖文本/图像生成、实际应用搭建等核心场景。
本书适合 AI 应用开发者、机器学习工程师、技术创业者及需要落地提示工程的各类从业者阅读，也为内容创作、设计人员引入 AI 工具提效提供了参考。
(英)詹姆斯·菲尼克斯(James Phoenix),(美)迈克·泰勒(Mike Taylor) 著 孙霄逸 译
孙霄逸，伦敦帝国理工学院物理学本硕连读在读。
曾在GitHub十万星开源AI项目Dify从事开发者生态与产品创新工作，负责提示词生成能力的场景落地与优化，并通过多类LLM应用原型验证其方案与效果。
多次斩获黑客松奖项。
