動手做AI Agent：LLM應用開發實戰力
活動訊息
內容簡介
內容簡介:想打造自己的AI助手，卻不知道從何開始？
用最熱門的LLM技術，打造真正會思考、會執行任務的AI Agent。
從零開始也不怕，帶你完整實作七種不同任務的AI應用，掌握開發實戰與最新技術趨勢！
------------------------------------------------------
準備好和AI Agent一起開啟智慧新時代了嗎？
本書將帶你深入探索AI Agent的開發關鍵。
從技術框架、開發工具到應用趨勢，通通幫你整理到位。
打造能聽懂人話、會主動幫你解決問題的超強AI夥伴！
從GPT-4到LangChain、LlamaIndex、MetaGPT，一步步做出真正「會理解、會規劃、會執行任務」的智慧型AI Agent。
書中以中小企業需求為場景，帶領讀者從零開始打造七種強大實用的AI應用，包括智慧排程、辦公自動化、知識整合、RAG、……等熱門任務。
不論你是工程師、研究人員、產品PM，還是AI新手，只要對AI Agent有興趣，都能在本書中找到清晰的技術架構與實用的開發步驟。
✔️ 全書實作導向，讓AI不只聊天，更能主動幫你工作！
📌本書特色：
．從零開發AI Agent，人人都能輕鬆上手
．詳解LLM×Agent的技術架構與開發流程
．精選熱門技術GPT-4、LangChain、LlamaIndex一次掌握
．七大實戰應用任務，涵蓋智慧排程、RAG、文件處理等
．對應企業需求，實作情境貼近真實工作場景
-------------------------------------------------------------
人工智慧時代，一種全新的技術——Agent正在崛起。
這是一種能夠理解自然語言並生成對應回覆，並且執行具體行動的人工智慧體，它不僅是內容生成工具，更是串聯複雜任務的關鍵樞紐。
本書將探索Agent的奧祕，內容包括從技術框架到開發工具，從實際操作專案到第一線發展，在帶著讀者動手打造7個功能強大Agent的同時，深入解析Agent的設計與實作，最後並展望Agent的發展性和未來趨勢。
適合對Agent技術感興趣或致力於該領域的研究人員、開發人員、產品經理或公司負責人，以及大專院校的相關領域師生。
內容以兩位虛擬角色互動的方式，帶領讀者進入極富趣味的Agent開發之旅，零距離接觸GPT-4模型、OpenAI Assistants API、LangChain、LlamaIndex 和MetaGPT 等關鍵技術，在辦公自動化、智慧排程、知識整合以及檢索增強生成（RAG）等領域，親身體會Agent的非凡表現，並攜手開啟AI時代的無限可能！
用最熱門的LLM技術，打造真正會思考、會執行任務的AI Agent。
從零開始也不怕，帶你完整實作七種不同任務的AI應用，掌握開發實戰與最新技術趨勢！
------------------------------------------------------
準備好和AI Agent一起開啟智慧新時代了嗎？
本書將帶你深入探索AI Agent的開發關鍵。
從技術框架、開發工具到應用趨勢，通通幫你整理到位。
打造能聽懂人話、會主動幫你解決問題的超強AI夥伴！
從GPT-4到LangChain、LlamaIndex、MetaGPT，一步步做出真正「會理解、會規劃、會執行任務」的智慧型AI Agent。
書中以中小企業需求為場景，帶領讀者從零開始打造七種強大實用的AI應用，包括智慧排程、辦公自動化、知識整合、RAG、……等熱門任務。
不論你是工程師、研究人員、產品PM，還是AI新手，只要對AI Agent有興趣，都能在本書中找到清晰的技術架構與實用的開發步驟。
✔️ 全書實作導向，讓AI不只聊天，更能主動幫你工作！
📌本書特色：
．從零開發AI Agent，人人都能輕鬆上手
．詳解LLM×Agent的技術架構與開發流程
．精選熱門技術GPT-4、LangChain、LlamaIndex一次掌握
．七大實戰應用任務，涵蓋智慧排程、RAG、文件處理等
．對應企業需求，實作情境貼近真實工作場景
-------------------------------------------------------------
人工智慧時代，一種全新的技術——Agent正在崛起。
這是一種能夠理解自然語言並生成對應回覆，並且執行具體行動的人工智慧體，它不僅是內容生成工具，更是串聯複雜任務的關鍵樞紐。
本書將探索Agent的奧祕，內容包括從技術框架到開發工具，從實際操作專案到第一線發展，在帶著讀者動手打造7個功能強大Agent的同時，深入解析Agent的設計與實作，最後並展望Agent的發展性和未來趨勢。
適合對Agent技術感興趣或致力於該領域的研究人員、開發人員、產品經理或公司負責人，以及大專院校的相關領域師生。
內容以兩位虛擬角色互動的方式，帶領讀者進入極富趣味的Agent開發之旅，零距離接觸GPT-4模型、OpenAI Assistants API、LangChain、LlamaIndex 和MetaGPT 等關鍵技術，在辦公自動化、智慧排程、知識整合以及檢索增強生成（RAG）等領域，親身體會Agent的非凡表現，並攜手開啟AI時代的無限可能！
目錄
前言
第1章 何謂 Agent，為何選擇 Agent
1.1 讓人大開眼界的演講：Life 3.0
1.2 所以，到底 Agent 是什麼？
1.3 Agent 的大腦：大模型的通用推理能力
1.4 Agent 的感知力：語言交互能力和多模態能力
1.5 Agent 的行動力：語言輸出能力和工具使用能力
1.6 Agent 對各行業的效能提升
1.7 Agent 帶來新的商業模式和變革
1.8 小結
第2章 基於大模型的 Agent 技術框架
2.1 Agent 的四大要素
2.2 Agent 的規劃和決策能力
2.3 Agent 的各種記憶機制
2.4 Agent 的核心技能：調用工具
2.5 Agent 的推理引擎：ReAct 框架
2.6 其他 Agent 認知框架
2.7 小結
第3章 OpenAI API、LangChain 和 LlamaIndex
3.1 何謂 OpenAI API
3.2 何謂 LangChain
3.3 何謂 LlamaIndex
3.4 小結
第4章 Agent 1：自動化辦公的實現——透過 Assistants API和 DALL·E3 模型創作 PPT
4.1 OpenAI 公司的 Assistants 是什麼
4.2 不寫程式碼，在Playground 中玩 Assistants
4.3 Assistants API 的簡單範例
4.4 創建一個簡短的虛構 PPT
4.5 小結
第5章 Agent 2：多功能選擇的引擎——透過 Function Calling 調用函數
5.1 OpenAI 中的 Functions
5.2 在 Playground 中定義 Function
5.3 透過 Assistants API 實現 Function Calling
5.4 透過 ChatCompletion API來實現 Tool Calls
5.5 小結
第6章 Agent 3：推理與行動的協同——透過 LangChain 中的 ReAct 框架實現自動定價
6.1 複習ReAct框架
6.2 LangChain 中 ReAct Agent 的實現
6.3 LangChain 中的工具和工具包
6.4 透過 create_react_agent 創建鮮花定價 Agent
6.5 深入 AgentExecutor 的執行機制
6.6 小結
第7章 Agent 4：計劃和執行的解耦——透過 LangChain 中的 Plan-and-Execute 實現智慧排程庫存
7.1 提出 Plan-and-Solve 策略
7.2 LangChain 中的 Plan-and-Execute Agent
7.3 透過 Plan-and-Execute Agent 實現物流管理
7.4 從單 Agent 到多 Agent
7.5 小結
第8章 Agent 5：知識的提取與整合——透過 LlamaIndex 實現檢索增強生成
8.1 何謂檢索增強生成
8.2 RAG 和 Agent
8.3 透過 LlamaIndex 的 ReAct RAG Agent 實現花語祕境財報檢索
8.4 小結
第9章 Agent 6：GitHub 的熱門開發——AutoGPT、BabyAGI 和 CAMEL
9.1 AutoGPT
9.2 BabyAGI
9.3 CAMEL
9.4 小結
第10章 Agent 7：多 Agent 框架——AutoGen 和 MetaGPT
10.1 AutoGen
10.2 MetaGPT
10.3 小結
附錄A 下一代 Agent 的誕生地：科學研究論文中的新思維
參考文獻
後記 創新與變革的交會點
第1章 何謂 Agent，為何選擇 Agent
1.1 讓人大開眼界的演講：Life 3.0
1.2 所以，到底 Agent 是什麼？
1.3 Agent 的大腦：大模型的通用推理能力
1.4 Agent 的感知力：語言交互能力和多模態能力
1.5 Agent 的行動力：語言輸出能力和工具使用能力
1.6 Agent 對各行業的效能提升
1.7 Agent 帶來新的商業模式和變革
1.8 小結
第2章 基於大模型的 Agent 技術框架
2.1 Agent 的四大要素
2.2 Agent 的規劃和決策能力
2.3 Agent 的各種記憶機制
2.4 Agent 的核心技能：調用工具
2.5 Agent 的推理引擎：ReAct 框架
2.6 其他 Agent 認知框架
2.7 小結
第3章 OpenAI API、LangChain 和 LlamaIndex
3.1 何謂 OpenAI API
3.2 何謂 LangChain
3.3 何謂 LlamaIndex
3.4 小結
第4章 Agent 1：自動化辦公的實現——透過 Assistants API和 DALL·E3 模型創作 PPT
4.1 OpenAI 公司的 Assistants 是什麼
4.2 不寫程式碼，在Playground 中玩 Assistants
4.3 Assistants API 的簡單範例
4.4 創建一個簡短的虛構 PPT
4.5 小結
第5章 Agent 2：多功能選擇的引擎——透過 Function Calling 調用函數
5.1 OpenAI 中的 Functions
5.2 在 Playground 中定義 Function
5.3 透過 Assistants API 實現 Function Calling
5.4 透過 ChatCompletion API來實現 Tool Calls
5.5 小結
第6章 Agent 3：推理與行動的協同——透過 LangChain 中的 ReAct 框架實現自動定價
6.1 複習ReAct框架
6.2 LangChain 中 ReAct Agent 的實現
6.3 LangChain 中的工具和工具包
6.4 透過 create_react_agent 創建鮮花定價 Agent
6.5 深入 AgentExecutor 的執行機制
6.6 小結
第7章 Agent 4：計劃和執行的解耦——透過 LangChain 中的 Plan-and-Execute 實現智慧排程庫存
7.1 提出 Plan-and-Solve 策略
7.2 LangChain 中的 Plan-and-Execute Agent
7.3 透過 Plan-and-Execute Agent 實現物流管理
7.4 從單 Agent 到多 Agent
7.5 小結
第8章 Agent 5：知識的提取與整合——透過 LlamaIndex 實現檢索增強生成
8.1 何謂檢索增強生成
8.2 RAG 和 Agent
8.3 透過 LlamaIndex 的 ReAct RAG Agent 實現花語祕境財報檢索
8.4 小結
第9章 Agent 6：GitHub 的熱門開發——AutoGPT、BabyAGI 和 CAMEL
9.1 AutoGPT
9.2 BabyAGI
9.3 CAMEL
9.4 小結
第10章 Agent 7：多 Agent 框架——AutoGen 和 MetaGPT
10.1 AutoGen
10.2 MetaGPT
10.3 小結
附錄A 下一代 Agent 的誕生地：科學研究論文中的新思維
參考文獻
後記 創新與變革的交會點
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：
訂購/退換貨須知
加入金石堂 LINE 官方帳號『完成綁定』，隨時掌握出貨動態：
提醒您！！
金石堂及銀行均不會請您操作ATM! 如接獲電話要求您前往ATM提款機，請不要聽從指示，以免受騙上當！
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