生成式 AI 設計模式|處理生成式AI代理及應用程式的常見挑戰
Generative AI Design Patterns
-
85折 1020元
1200元
-
預計最高可得金幣50點
?
可100%折抵
活動加倍另計 -
HAPPY GO享100累1點 4點抵1元 折抵無上限
-
分類:中文書>電腦資訊>APP開發/程式設計>其它程式設計追蹤? 追蹤分類後,您會在第一時間收到分類新品通知。
- 作者: Valliappa Lakshmanan, Hannes Hapke 追蹤 ? 追蹤作者後,您會在第一時間收到作者新書通知。
- 譯者:agility studio
- 出版社: 歐萊禮 追蹤 ? 追蹤出版社後,您會在第一時間收到出版社新書通知。
- 出版日:2026/05/29
活動訊息
內容簡介
生成式AI已開始真正進入產品、服務與企業流程,但當團隊實際開發GenAI應用程式與AI Agent時,往往很快就遇到各種工程問題:
模型產生幻覺、回應結果不穩定該如何處理?
怎麼讓生成內容符合品牌風格與指定格式?
如何讓Agent具備規劃、自我修正與協作能力?
多個Agent又該如何組合成可落地的應用系統?
本書整理了32種生成式AI設計模式(Generative AI Design Patterns),將研究論文與第一線實務經驗轉化為可直接套用的工程解法。
無論是拿來作為參考手冊、架構設計指南,或是培養整體GenAI設計思維,這本書都是對工程師、資料科學家、軟體架構師或產品經理極具價值的工具書。
【專業推薦】
「這是一本引領GenAI從原型邁向正式部署的實戰手冊。書中收錄的設計模式匯集了現實的工程經驗,可讓開發者充滿信心地應對幻覺、可靠性與規模化的種種挑戰。」
——Marily Nika博士,《Building AI-Powered Products》作者
「Hannes與Lak將寶貴的實戰智慧寫成這本全方位指南,幫助你將理論轉化為實際做法。」
——Chip Huyen,《設計機器學習系統》與《AI工程》作者
生成式AI帶來強大的新能力,然而,在正式交付可靠的應用程式或代理之前,你仍然會面臨有一些棘手的限制。幸運的是,來自業界專家的二位作者已經整理了32種經得起考驗的設計模式。在開發LLM專案時難以避免的難題都可以在本書中找到對策,包括幻覺、不確定的回應,以及模型知識斷層。
本書將論文研究跟實務經驗整理成可以直接套用的建議。在每一種模式中,作者會先說明問題在哪,再附上完整的範例程式來示範解法,最後還會分析解決方案背後的取捨。
• 因應LLM的侷限性
• 確保生成的內容符合特定風格、語調與格式
• 在權衡各類風險的同時,將創意極大化
• 讓代理具備規劃能力、自我修正能力、行動能力,而且能與其他代理協作
• 將多種模式組合成適合各種應用場景的代理型應用程式
模型產生幻覺、回應結果不穩定該如何處理?
怎麼讓生成內容符合品牌風格與指定格式?
如何讓Agent具備規劃、自我修正與協作能力?
多個Agent又該如何組合成可落地的應用系統?
本書整理了32種生成式AI設計模式(Generative AI Design Patterns),將研究論文與第一線實務經驗轉化為可直接套用的工程解法。
無論是拿來作為參考手冊、架構設計指南,或是培養整體GenAI設計思維,這本書都是對工程師、資料科學家、軟體架構師或產品經理極具價值的工具書。
【專業推薦】
「這是一本引領GenAI從原型邁向正式部署的實戰手冊。書中收錄的設計模式匯集了現實的工程經驗,可讓開發者充滿信心地應對幻覺、可靠性與規模化的種種挑戰。」
——Marily Nika博士,《Building AI-Powered Products》作者
「Hannes與Lak將寶貴的實戰智慧寫成這本全方位指南,幫助你將理論轉化為實際做法。」
——Chip Huyen,《設計機器學習系統》與《AI工程》作者
生成式AI帶來強大的新能力,然而,在正式交付可靠的應用程式或代理之前,你仍然會面臨有一些棘手的限制。幸運的是,來自業界專家的二位作者已經整理了32種經得起考驗的設計模式。在開發LLM專案時難以避免的難題都可以在本書中找到對策,包括幻覺、不確定的回應,以及模型知識斷層。
本書將論文研究跟實務經驗整理成可以直接套用的建議。在每一種模式中,作者會先說明問題在哪,再附上完整的範例程式來示範解法,最後還會分析解決方案背後的取捨。
• 因應LLM的侷限性
• 確保生成的內容符合特定風格、語調與格式
• 在權衡各類風險的同時,將創意極大化
• 讓代理具備規劃能力、自我修正能力、行動能力,而且能與其他代理協作
• 將多種模式組合成適合各種應用場景的代理型應用程式
目錄
前言
第一章 導讀
生成式AI設計模式
使用基礎模型來建構
代理型AI
精密控制
in-context學習
後訓
本書後續架構
第二章 控制內容風格
模式1:Logits遮罩
模式2:文法
模式3:風格遷移
模式4:反中性化
模式5:內容最佳化
總結
第三章 增加知識:基礎篇
模式6:基本RAG
模式7:語義索引化
模式8:大規模索引化
總結
第四章 增加知識:另闢蹊徑
模式9:索引感知檢索
模式10:節點後處理
模式11:可信賴生成
模式12:深度搜尋
總結
第五章 擴展模型能力
LLM推理的侷限性
模式13:思維鏈
模式14:思維樹(ToT)
模式15:適應層微調
模式16:Evol-Instruct
總結
第六章 提升可靠性
模式17:LLM-as-Judge
模式18:反思
模式19:依賴注入
模式20:提示詞最佳化
總結
第七章 讓代理採取行動
模式21:工具呼叫
模式22:程式碼執行
模式23:多代理協作
總結
第八章 因應侷限性
模式24:小型語言模型
模式25:提示詞快取
模式26:推論最佳化
模式27:退化測試
模式28:長期記憶
總結
第九章 設置護欄
模式29:模板生成
模式30:組裝重排
模式31:自我檢查
模式32:護欄
總結
第十章 可組合的代理型工作流程
代理型工作流程
總結
索引
第一章 導讀
生成式AI設計模式
使用基礎模型來建構
代理型AI
精密控制
in-context學習
後訓
本書後續架構
第二章 控制內容風格
模式1:Logits遮罩
模式2:文法
模式3:風格遷移
模式4:反中性化
模式5:內容最佳化
總結
第三章 增加知識:基礎篇
模式6:基本RAG
模式7:語義索引化
模式8:大規模索引化
總結
第四章 增加知識:另闢蹊徑
模式9:索引感知檢索
模式10:節點後處理
模式11:可信賴生成
模式12:深度搜尋
總結
第五章 擴展模型能力
LLM推理的侷限性
模式13:思維鏈
模式14:思維樹(ToT)
模式15:適應層微調
模式16:Evol-Instruct
總結
第六章 提升可靠性
模式17:LLM-as-Judge
模式18:反思
模式19:依賴注入
模式20:提示詞最佳化
總結
第七章 讓代理採取行動
模式21:工具呼叫
模式22:程式碼執行
模式23:多代理協作
總結
第八章 因應侷限性
模式24:小型語言模型
模式25:提示詞快取
模式26:推論最佳化
模式27:退化測試
模式28:長期記憶
總結
第九章 設置護欄
模式29:模板生成
模式30:組裝重排
模式31:自我檢查
模式32:護欄
總結
第十章 可組合的代理型工作流程
代理型工作流程
總結
索引
配送方式
-
台灣
- 國內宅配:本島、離島
-
到店取貨:
不限金額免運費
-
海外
- 國際快遞:全球
-
港澳店取:
詳細資料
詳細資料
-
- 語言
- 中文繁體
- 裝訂
- 紙本平裝
-
- ISBN
- 9786264253406
- 分級
- 普通級
-
- 頁數
- 520
- 商品規格
- 18開17*23cm
-
- 出版地
- 台灣
- 適讀年齡
- 全齡適讀
-
- 注音
- 級別
訂購/退換貨須知
退換貨須知:
**提醒您,鑑賞期不等於試用期,退回商品須為全新狀態**
-
依據「消費者保護法」第19條及行政院消費者保護處公告之「通訊交易解除權合理例外情事適用準則」,以下商品購買後,除商品本身有瑕疵外,將不提供7天的猶豫期:
- 易於腐敗、保存期限較短或解約時即將逾期。(如:生鮮食品)
- 依消費者要求所為之客製化給付。(客製化商品)
- 報紙、期刊或雜誌。(含MOOK、外文雜誌)
- 經消費者拆封之影音商品或電腦軟體。
- 非以有形媒介提供之數位內容或一經提供即為完成之線上服務,經消費者事先同意始提供。(如:電子書、電子雜誌、下載版軟體、虛擬商品…等)
- 已拆封之個人衛生用品。(如:內衣褲、刮鬍刀、除毛刀…等)
- 若非上列種類商品,均享有到貨7天的猶豫期(含例假日)。
- 辦理退換貨時,商品(組合商品恕無法接受單獨退貨)必須是您收到商品時的原始狀態(包含商品本體、配件、贈品、保證書、所有附隨資料文件及原廠內外包裝…等),請勿直接使用原廠包裝寄送,或於原廠包裝上黏貼紙張或書寫文字。
- 退回商品若無法回復原狀,將請您負擔回復原狀所需費用,嚴重時將影響您的退貨權益。



商品評價