Промпт-инжиниринг для LLM, Искусство построения приложений на основе больших языковых моделей, Берриман Д., Циглер А., 2026

Промпт-инжиниринг для LLM, Искусство построения приложений на основе больших языковых моделей, Берриман Д., Циглер А., 2026.

   Большие языковые модели (LLM) кардинально меняют мир, обещая автоматизацию различных задач и решение сложных проблем. Программные приложения последнего поколения используют эти модели в качестве строительных блоков для создания новых возможностей практически во всех областях, но, чтобы пользоваться этими возможностями, нужны навыки. Книга расскажет о науке и искусстве промпт-инжиниринга, и эти знания помогут вам раскрыть истинный потенциал LLM.
Опытнейшие эксперты Джон Берриман и Альберт Циглер поделятся приемами эффективного взаимодействия с ИИ и расскажут, как представлять свои идеи в формате, удобном для языковой модели. Освоив философские основы и практические приемы, вы обретете знания и уверенность, необходимые для создания приложений нового поколения на базе LLM.




Промпт-инжиниринг.
Итак, мы вот-вот начнем путешествие в мир промпт-инжиниринга. В основе больших языковых моделей лежит одна способность — завершение текста. Входные данные называются запросом или Промптом. Промпт это документ или фрагмент текста, который модель должна дополнить.

Соответственно, промпт-инжиниринг в простейшей форме — это искусство составления запроса так, чтобы ответ на него содержал всю информацию, необходимую для решения поставленной задачи.

ОГЛАВЛЕНИЕ.
Предисловие.
Для кого эта книга.
Чему вы научитесь.
Условные обозначения.
Благодарности.
От Джона.
От Альберта.
От издательства.
О научном редакторе русскоязычного издания.
ЧАСТЬ I ОСНОВЫ
Глава 1. Введение в промпт-инжиниринг.
Большие языковые модели — это волшебство.
Языковые модели: как мы к этому пришли.
Первые языковые модели.
GPT.
Промпт-инжиниринг.
Резюме.
Глава 2. Понимание LLM.
Что такое LLM.
Завершение документа.
Человеческое мышление в сравнении с LLM-обработкой.
Галлюцинации.
Как большие языковые модели видят мир.
Отличие 1: LLM используют детерминированные токенизаторы.
Отличие 2: LLM не могут остановиться и присмотреться к буквам.
Отличие 3: LLM видят текст иначе.
Подсчет токенов.
По токену за раз. 
Авторегрессионные модели. 
Паттерны и повторяемость.
Температура и вероятности.
Архитектура трансформера.
Резюме.
Глава 3. Переходим к чатам.
Обучение с подкреплением на основе обратной связи от человека. 
Процесс создания модели с помощью RLHF. 
Обеспечение честности LLM. 
Исключение индивидуальных особенностей поведения. 
RLHF позволяет получить хорошую отдачу от вложенных усилий. 
Учитывайте издержки выравнивания.
Переходим от инструкций к чату. 
Instruct-модели. 
Чат-боты.
Изменяющийся API.
API чата на основе завершений. 
Сравнение модели чата с моделью завершений. 
Переход от чатов к инструментам.
Промпт-инжиниринг как написание пьесы.
Резюме.
Глава 4. Проектирование приложений на базе LLM.
Структура цикла.
Задача пользователя.
Преобразование задачи пользователя в понятную для модели форму.
Выбор LLM для завершения промпта.
Преобразование обратно в предметную область задачи пользователя.
Разбор механизма прямого распространения.
Создание простого механизма прямого распространения.
Изучение сложности цикла.
Оценка качества приложений на базе LLM.
Офлайн-оценка.
Онлайн-оценка.
Резюме.
ЧАСТЬ II ОСНОВНЫЕ ТЕХНИКИ
Глава 5. Содержимое промпта. 
Источники содержимого.
Статическое содержимое.
Уточнение вопроса.
Few-shot-промптинг.
Динамическое содержимое.
Поиск динамического контекста для промпта.
Дополнение промпта поисковыми данными (RAG).
Использование резюме в Промпте.
Резюме.
Глава 6. Составление промпта. 
Структура идеального промпта.
Форматы документов для запросов в LLM.
Помощь в формате диалога.
Аналитический отчет.
Структурированный документ.
Форматирование фрагментов.
Подробнее об инертности.
Форматирование few-shot-примеров.
Гибкие фрагменты.
Связи между элементами промпта.
Позиция.
Важность.
Зависимость.
Собираем все воедино.
Резюме.
Глава 7. Приручение модели.
Структура идеального ответа LLM.
Преамбула.
Узнаваемые начало и конец.
Послесловие.
За гранью текста: логарифмическая вероятность.
Оценка качества ответа.
LLM для классификации.
Критические места промпта.
Выбор модели.
Резюме.
ЧАСТЬ III НАВЫКИ ЭКСПЕРТА
Глава 8. Диалоговый агент.
Использование инструментов.
LLM, обученные использовать инструменты.
Руководство по определению инструментов.
Рассуждение.
Цепочка рассуждений.
ReAct: итеративное рассуждение и действие.
За рамками ReAct.
Контекст для взаимодействий в рамках задачи.
Источник контекста.
Выбор и организация контекста.
Создание диалогового агента.
Управление беседами.
Пользовательский опыт.
Резюме.
Глава 9. Рабочие потоки LLM. 
Достаточно ли диалогового агента?.
Базовые рабочие потоки LLM.
Задачи.
Сборка рабочего потока.
Пример рабочего потока: продвижение плагинов для Shopify.
Продвинутые рабочие потоки на базе LLM.
Разрешение LLM-агенту управлять рабочим потоком.
Агенты, хранящие состояния задач.
Роли и делегирование работы.
Резюме.
Глава 10. Оценка приложений на базе LLM.
Что мы вообще будем тестировать.
Офлайн-оценка.
Набор примеров.
Поиск примеров.
Оценка решений.
SOMA-анализ.
Онлайн-оценка.
А/В-тестирование.
Метрики.
Резюме.
Глава 11. Обозримое будущее.
Мультимодальность.
Пользовательский опыт и интерфейс.
Интеллект.
Резюме.
Об авторах.
Иллюстрация на обложке.



Бесплатно скачать электронную книгу в удобном формате, смотреть и читать:
Скачать книгу Промпт-инжиниринг для LLM, Искусство построения приложений на основе больших языковых моделей, Берриман Д., Циглер А., 2026 - fileskachat.com, быстрое и бесплатное скачивание.

Скачать pdf
Ниже можно купить эту книгу, если она есть в продаже, и похожие книги по лучшей цене со скидкой с доставкой по всей России.Купить книги


Скачать - pdf - Яндекс.Диск.




Хештеги: #учебник по программированию :: #программирование :: #Берриман :: #Циглер :: #промпт