本书系统介绍了ChatGLM大语言模型的部署、微调与开发，并提供了极具参考价值的大模型应用实战案例。所设计的学习架构包含三个核心部分：①应用技术篇。首先深入浅出地介绍什么是人工智能和大模型，并详细介绍“智谱清言”这一款大模型产品的使用方法，以帮助读者获得一个有效提升工作和学习效率的技术手段。其次，从技术和应用角度介绍了大模型的国内外研究和发展现状，并展望了大模型未来的发展趋势。②理论基础篇。该部分给出了大模型相关理论、模型和任务框架，以及GLM训练、微调、部署及评估等基础知识，还论述了大模型与知识图谱相结合使用的情况。③实践案例篇。由于当前大模型技术的独特性，目前还没有整合大模型的集成开发环境，本书给出了一套基于当前已有工具并对其进行优化配置的开发方案，通过"新手验证"模式，手把手教会读者开发一套完整的案例系统。通过该系统可以学会如何应用语言大模型技术、大模型代码生成技术、多模态大模型技术和智能体技术，同时也掌握了开发部署基于大模型技术的智能信息服务系统的实践知识和经验。 本书面向大模型技术兴趣爱好者，也可供普通高校计算机专业本科生和研究生教学使用，还可以作为大模型应用系统设计及开发的培训教材。 本书提供全面的学习资源，包括案例系统源码、教学PPT、难点教学实操视频、本地化书籍大模型AI助手等，读者可通过关注机械工业出版社计算机分社官方微信订阅号——IT有得聊获取。

序言一
序言二
前言
第一部分 应用技术篇
第1章 人工智能大模型概述
1.1 人工智能与大模型简介
1.2 大模型的概念
1.3 大模型的分类
1.4 大模型的应用
1.5 大模型的国内外发展现状
1.6 大模型的意义
1.7 本章小结
第2章 ChatGLM
2.1 智谱AI简介
2.2 ChatGLM是怎样炼成的
2.3 提示词工程
2.4 ChatGLM应用案例
2.5 本章小结
第3章 大模型国内外商业应用案例
3.1 GLM企业级解决方案及十大应用案例
3.2 国内其他大模型商业应用案例
3.3 国外大模型商业应用案例
3.4 国内外大模型应用落地现状
3.5 本章小结
第4章 大模型未来发展趋势及挑战
4.1 大模型技术发展趋势
4.2 大模型产业应用趋势
4.3 人工智能伦理与安全
4.4 大模型面临的挑战
4.5 本章小结
第二部分 理论基础篇
第5章 机器学习与深度学习概述
5.1 机器学习基础概念
5.2 深度学习基本原理
5.3 本章小结
第6章 大模型的任务与典型框架
6.1 自然语言处理大模型
6.2 计算机视觉大模型
6.3 多模态大模型
6.4 本章小结
第7章 GLM大模型预训练、微调与评估
7.1 大模型预训练
7.2 大模型参数微调
7.3 大模型部署
7.4 大模型评估
7.5 本章小结
第8章 大模型与知识图谱
8.1 知识图谱增强大模型
8.2 大模型增强知识图谱
8.3 大模型与知识图谱协同
8.4 知识图谱在大模型中的应用
8.5 本章小结
第三部分 实践案例篇
第9章 Python语言基础
9.1 Python语言简介
9.2 Python环境安装配置与验证
9.3 基本概念
9.4 数据结构
9.5 函数与模块
9.6 面向对象编程
9.7 异常处理与调试
9.8 I/O操作与文件处理
9.9 ChatGLM开发接口与实例
9.10 本章小结
第10章 Python Web开发
10.1 Web概述
10.2 Web前端开发技术
10.3 Web前端开发工具
10.4 浏览器工具
10.5 Web前端开发必知标准
10.6 Web前端开发框架
10.7 Python Web开发环境搭建
10.8 FastAPI框架
10.9 Web服务和部署
10.10 ChatGLM Web应用开发实例
10.11 本章小结
第11章 数据准备
11.1 数据获取
11.2 数据清洗
11.3 数据标注
11.4 数据增强
11.5 系统开发的数据准备
11.6 本章小结
第12章 环境搭建
12.1 软硬件环境需求
12.2 软件环境安装
12.3 本章小结
第13章 本地部署ChatGLM3-6B
13.1 通过ModelScope社区下载模型
13.2 克隆仓库
13.3 运行ChatGLM3-6B Demo
13.4 LangChain的介绍
13.5 ZhipuAI在LangChain中的使用
13.6 常见问题及解决方法
13.7 本章小结
第14章 ChatGLM微调
14.1 模型微调
14.2 部署微调的模型
14.3 本章小结
第15章 基于GLM智能体虚拟角色养成系统
15.1 需求分析
15.2 总体设计
15.3 详细设计
15.4 系统实现
15.5 系统测试
15.6 系统使用说明
15.7 案例系统部署
15.8 本章小结
参考文献