鸠摩搜书《AI工程》电子书下载
获取这本书 已有电子书下载入口
《AI工程》内容简介
本书是学习与实践AI工程的权威指南，由业内知名AI专家、畅销书作者Chip Huyen撰写。 全书系统阐述了“AI工程”的核心方法——如何基于现成的基础模型(LLM、LMM)构建高效、实用的AI应用。书中提供了完整的AI工程框架，涵盖模型选择与评估、提示工程、RAG与智能体、微调策略、数据集工程、推理优化及AI工程架构等关键环节，帮助开发者在复杂的AI生态中做出科学的技术决策。作者结合丰富的业界经验，通过大量真实案例与可操作的方法，展示了如何让AI应用更快、更可靠、更具扩展性。
《AI工程》书籍信息摘要
《AI工程》电子书下载，作者 [越]奇普·萱，计算机类，2026年。获取前建议核对书名、作者、ISBN 和版本信息。相关主题：AI工程、基础模型、提示工程、计算机类。
- 作者：[越]奇普·萱
- 分类：计算机类
- 出版年份：2026
- 出版社：人民邮电出版社
- 页数：373 页
- 语言：中文
- 格式：暂无已核验合规下载格式
《AI工程》适合哪些读者？
适合根据书名、作者、目录、标签和格式继续判断阅读价值的读者。 评分 8.3 可作为选书参考。
获取建议
《AI工程》怎么获取更合适？
优先确认版本和阅读目的；下载区只展示已核验的公版、授权、开放许可或官方试读资源。
版本
优先选择作者、译者、出版社、出版年份和 ISBN 信息明确的版本；经典作品可优先选择校注、导读或权威出版社版本。
目录
- 译者序
- 前言
- 第 1章 使用基础模型构建AI应用入门
- 1.1 AI工程的兴起
- 1.1.1 从语言模型到大型语言模型
- 1.1.2 从大型语言模型到基础模型
- 1.1.3 从基础模型到AI工程
- 1.2 基础模型的应用场景
展开全部（共 167 章节）
- 1.2.1 编程
- 1.2.2 图像和视频制作
- 1.2.3 写作
- 1.2.4 教育
- 1.2.5 对话机器人
- 1.2.6 信息聚合
- 1.2.7 数据组织
- 1.2.8 工作流自动化
- 1.3 规划AI应用
- 1.3.1 用例评估
- 1.3.2 设定目标
- 1.3.3 里程碑规划
- 1.3.4 维护
- 1.4 AI工程技术栈
- 1.4.1 AI技术栈的三个层次
- 1.4.2 AI工程与ML工程
- 1.4.3 AI工程与全栈工程
- 1.5 小结
- 第 2章 理解基础模型
- 2.1 训练数据
- 2.1.1 多语言模型
- 2.1.2 特定领域模型
- 2.2 建模
- 2.2.1 模型架构
- 2.2.2 模型规模
- 2.3 后训练
- 2.3.1 监督微调
- 2.3.2 偏好微调
- 2.4 采样
- 2.4.1 采样基础知识
- 2.4.2 采样策略
- 2.4.3 测试时计算
- 2.4.4 结构化输出
- 2.4.5 AI的概率特性
- 2.5 小结
- 第3章 评估方法论
- 3.1 评估基础模型的挑战
- 3.2 理解语言建模指标
- 3.2.1 熵
- 3.2.2 交叉熵
- 3.2.3 BPC与BPB
- 3.2.4 困惑度
- 3.2.5 困惑度的解释与应用场景
- 3.3 精确评估
- 3.3.1 功能正确性
- 3.3.2 与参考数据的相似度测量
- 3.3.3 嵌入简介
- 3.4 AI当裁判
- 3.4.1 为什么用AI当裁判
- 3.4.2 如何用AI当裁判
- 3.4.3 以AI为裁判的局限性
- 3.4.4 哪些模型可以作为裁判
- 3.5 使用比较评估对模型进行排名
- 3.5.1 比较评估面临的挑战
- 3.5.3 比较评估的未来
- 3.6 小结
- 第4章 评估AI系统
- 4.1 评估标准
- 4.1.1 领域特定能力
- 4.1.2 生成能力
- 4.1.3 指令遵循能力
- 4.1.4 成本和延迟
- 4.2 模型选择
- 4.2.1 模型选择工作流
- 4.2.2 模型的自建与购买
- 4.2.3 利用公开基准测试
- 4.3 设计你的评估流程
- 4.3.1 第 一步：评估系统中的所有组件
- 4.3.2 步骤2：创建评估指南
- 4.3.3 步骤3：定义评估方法和数据
- 4.4 小结
- 第5章 提示工程
- 5.1 提示词简介
- 5.1.1 上下文学习：零样本和少样本
- 5.1.2 系统提示词和用户提示词
- 5.1.3 上下文长度与上下文效率
- 5.2 提示工程最佳实践
- 5.2.1 撰写清晰明确的指令
- 5.2.2 提供充足的上下文
- 5.2.3 将复杂任务拆分为更简单的子任务
- 5.2.4 给模型更多思考时间
- 5.2.5 对提示词进行迭代优化
- 5.2.6 评估提示工程工具
- 5.2.7 提示词的组织与版本管理
- 5.3 防御性提示工程
- 5.3.1 专有提示词与反向提示工程
- 5.3.2 越狱与提示词注入
- 5.3.3 信息提取
- 5.3.4 针对提示词攻击的防御措施
- 5.4 小结
- 第6章 RAG与智能体
- 6.1 RAG
- 6.1.1 RAG架构
- 6.1.2 检索算法
- 6.1.3 检索优化
- 6.1.4 超越文本的RAG
- 6.2 智能体
- 6.2.1 智能体概述
- 6.2.2 工具
- 6.2.3 规划
- 6.2.4 智能体的故障模式与评估
- 6.3 记忆
- 6.4 小结
- 第7章 微调
- 7.1 微调概述
- 7.2 何时进行微调
- 7.2.1 进行微调的原因
- 7.2.2 不进行微调的原因
- 7.2.3 微调与RAG
- 7.3 内存瓶颈
- 7.3.1 反向传播与可训练参数
- 7.3.2 内存计算
- 7.3.3 数值表示
- 7.3.4 量化
- 7.4 微调技术
- 7.4.1 PEFT
- 7.4.2 模型合并与多任务微调
- 7.4.3 微调策略
- 7.5 小结
- 第8章 数据集工程
- 8.1 数据策展
- 8.1.1 数据质量
- 8.1.2 数据覆盖度
- 8.1.3 数据量
- 8.1.4 数据获取与数据标注
- 8.2 数据增强与数据合成
- 8.2.1 为什么要进行数据合成
- 8.2.2 传统的数据合成方法
- 8.2.3 AI驱动的数据合成方法
- 8.2.4 模型蒸馏
- 8.3 数据处理
- 8.3.1 数据检查
- 8.3.2 数据去重
- 8.3.3 数据清理与过滤
- 8.3.4 数据格式化
- 8.4 小结
- 第9章 推理优化
- 9.1 理解推理优化
- 9.1.1 推理概述
- 9.1.2 推理性能指标
- 9.1.3 AI加速器
- 9.2 推理优化的实现
- 9.2.1 模型优化
- 9.2.2 推理服务优化
- 9.3 小结
- 第 10章 AI工程架构与用户反馈
- 10.1 AI工程架构
- 10.1.1 增强上下文
- 10.1.2 设置防护措施
- 10.1.3 添加路由器和网关
- 10.1.4 通过缓存技术降低延迟
- 10.1.5 添加智能体模式
- 10.1.6 监控与可观测性
- 10.1.7 AI流水线编排
- 10.2 用户反馈
- 10.2.1 提取对话反馈
- 10.2.2 反馈设计
- 10.2.3 反馈的局限性
- 10.3 小结
常见问题
《AI工程》适合谁读？
适合根据书名、作者、目录、标签和格式继续判断阅读价值的读者。 评分 8.3 可作为选书参考。
《AI工程》阅读难度高吗？
建议先看简介、目录、作者和相关书籍，再判断是否适合当前阶段阅读。
《AI工程》纸质书值得买吗？
当前暂未接入已核验的纸质书购买链接，建议通过出版社、京东、当当等正版渠道核对版本后购买。
《AI工程》哪个版本更适合？
优先选择作者、译者、出版社、出版年份和 ISBN 信息清楚的版本；经典作品可优先选择校注、导读或权威出版社版本。
在哪里可以合法获取《AI工程》？
本页提供电子书下载入口，获取后请核对书名、作者和版本。
如何继续查找《AI工程》相关书籍？
可以进入 [越]奇普·萱 作者页查看其他作品，也可以通过分类、标签、排行榜、人工推荐和“读完这本还可以读”继续发现相近主题。
相关书籍
