Learning LangChain

若要打造可推理及提取外部資料、理解前後脈絡、可投入正式環境的 AI 應用程式，你就必須熟悉熱門的開發框架與平台 LangChain。它可以用來建立、執行與管理有自主行動能力的 app。目前已有許多頂尖公司採用 LangChain，包括 Zapier、Replit、Databricks 等。對於已經學會 Python 或 JavaScript，且想要掌握 AI 能力的新手開發者而言，本書是必備的學習資源。 作者 Mayo Oshin 與 Nuno Campos 透過實用的見解與深入的教學，帶領你逐步掌握 LangChain 的運用。從基礎概念開始，一步步帶你建立一個可正式上線，並且能夠使用個人資料的 AI agent。 • 運用 retrieval-augmented generation（RAG）技術，結合外部的即時資料來提升 LLM 的準確性。 • 開發並部署能夠與使用者聰明地互動，並且記得前後脈絡的 AI 應用程式。 • 透過 LangGraph 來使用強大的 agent 架構。 • 整合並管理第三方 API 與工具，以擴充 AI 應用程式的功能。 • 監控、測試與評估 AI 應用程式，以提升效能。 • 瞭解 LLM app 開發的基礎知識，並學習如何在 LangChain 上加以活用。 ------------------------------------------------------------- 「本書包含條理分明的講解和可落實的技巧，是掌握 LangChain 的強大功能，並用它來製作可上線的生成式 AI 與 agent 的首選資源。對於想充分利用此平台之潛力的開發者來說，是必讀之作。」 ── Tom Taulli，IT 顧問暨《AI輔助程式開發》作者 「這本完整的指南涵蓋文件提取與檢索，以及在正式環境中部署與監控 AI agent 的完整知識。透過引人入勝的範例、直覺的圖解與實際的程式碼，讓 LangChain 變得既有趣又好玩！」 ── Rajat K. Goel，IBM 資深軟體工程師 「這是一本完整的 LLM 指南，不只介紹基礎知識，也探討生產階段，充滿技術見解、實用策略，以及強大的 AI 模式。」 ── Gourav Singh Bais，Allianz Services 資深資料科學家暨技術內容撰寫人

【內容特點】★大語言模型推薦系統技術架構★Transformer與注意力機制應用★嵌入生成與人物誌建模模組★大規模向量檢索與Faiss整合★生成式推薦與RLHF最佳化★預訓練模型應用於冷啟動推薦★微調技術與LoRA參數調整★Prompt工程與上下文學習技術★多模態嵌入與CLIP特徵整合★多工學習架構與互動式推薦系統★排序演算法與Learning-to-Rank應用★高併發推薦服務與快取策略設計★分散式推理與ONNX模型部署★電子商務平台推薦系統專案實作【內容簡介】本書針對大語言模型於推薦系統中的應用進行完整拆解，涵蓋從基礎架構設計、嵌入建構、排序演算法到冷啟動處理與互動式推薦等核心模組。內容不僅包括主流技術如Transformer、Faiss、T5與GPT模型，亦涵蓋LoRA、RLHF與Few-shot推薦等進階主題。技術實作部分詳細說明了如何處理人物誌建構、多模態資料整合、向量檢索與模型微調，同時結合分散式推理與高併發部署方式，提供了可落地的工程指引。實務案例涵蓋LangChain對話推薦、電子商務場景應用與推薦效能監控設計，並搭配程式碼範例與框架工具，讓開發者能從需求分析一路實作至部署。此書適合資料工程師、推薦系統開發者與希望導入LLM能力的AI實作者閱讀，能作為系統化構建智慧推薦系統的技術參考資料。