本书是一本面向开发人员的大模型及生成式AI实战指南，基于作者在美国硅谷企业级应用项目经验及企业培训经验编著而成。本书重点介绍企业级大模型应用开发、模型调优及部署运维等技能。全书共10章，内容涵盖生成式AI概述、大模型提示词深度解析、LangGraph+CrewAI案例、生成式AI应用开发项目实战、大模型指令微调与PEFT技术、RLHF与DPO模型对齐、大模型应用开发案例实战、为何Sora是通往AGI道路的里程碑、解码Sora架构原理、Sora关键技术解密等，书中的每个知识点都有相应的实现代码和实例。随书附赠源码，获取方式见封底。 本书的核心读者是有Python基础的大模型爱好者，主要面向广大从事大模型应用开发、机器学习、数据挖掘或深度学习的专业人员，相关专业的在校师生及相关领域的科研人员。

前言
第1章 生成式AI概述
1.1 生成式AI主线及落脚点
1.1.1 生成式AI开发流程
1.1.2 生成式AI关键要素
1.2 生成式AI的深度探索
1.2.1 生成式AI提示词七大关键
1.2.2 生成式AI参照物的解析
1.2.3 生成式AI核心组件的剖析
1.2.4 生成式AI工程实践的全生命周期管理
1.2.5 生成式AI核心内容的解读
第2章 大模型提示词深度解析
2.1 生成式AI的文本、符号和模式
2.1.1 提示词中的符号提取
2.1.2 提示词中的模式提取
2.1.3 文本处理和提取技术
2.2 思维链推理剖析
2.3 思维链提示实战
2.4 ReAct技术原理
第3章 LangGraph+CrewAI案例
3.1 生成式AI自动回复邮件项目简介
3.2 生成式AI自动回复邮件项目代码架构
3.3 LangGraph构建循环图
3.3.1 图代码解析
3.3.2 边代码解析
3.3.3 节点代码解析
3.4 CrewAI构建分布式对话机器人
3.4.1 EmailFilterCrew代码解析
3.4.2 EmailFilterAgents代码解析
3.4.3 CreateDraftTool代码解析
3.4.4 EmailFilterTasks代码解析
3.4.5 EmailsState代码解析
第4章 生成式AI应用开发项目实战
4.1 生成式AI应用开发
4.1.1 生成式AI应用开发简介
4.1.2 生成式AI框架LangChain
4.1.3 生成式AI智能体架构
4.1.4 生成式AI增强检索RAG
4.2 生成式AI在教育领域的应用
4.2.1 生成式AI教育系统代码目录架构
4.2.2 生成式AI教育系统代码详细解析
4.3 基于生成式AI的托福辅导案例详解
第5章 大模型指令微调与PEFT技术
5.1 生成式AI指令微调原理和方法
5.1.1 生成式AI指令微调简介
5.1.2 指令微调代码解析
5.1.3 指令微调在LLaMA 3中的应用
5.2 PEFT与红队工程应用
5.2.1 PEFT高效微调简介
5.2.2 PEFT原理解密
5.2.3 红队工程及安全
5.2.4 红队工程代码解析
5.2.5 宪法AI开发应用
第6章 RLHF与DPO模型对齐
6.1 大模型微调概述与实践案例
6.1.1 大模型微调简介
6.1.2 指令微调解析
6.1.3 指令微调数据集转换
6.1.4 基于AWS微调 LLaMA实战
6.2 KL散度解析
6.2.1 KL散度简介
6.2.2 KL散度与大模型幻觉
6.2.3 KL散度数学原理解析
6.3 基于人类反馈强化学习（RLHF）解析
6.3.1 GPT模型训练流程
6.3.2 RLHF解析
6.3.3 RLHF代码解析
6.3.4 RLHF全流程指南
6.3.5 RLHF目标函数解析
6.3.6 RLHF项目实战
6.4 直接偏好优化算法（DPO）解析
6.4.1 DPO算法解析
6.4.2 DPO代码解析
6.4.3 DPO项目案例实战
6.4.4 KTO算法解析
6.4.5 REFT算法解析
第7章 大模型应用开发案例实战
7.1 基于思维链提示的内隐情感分析
7.1.1 系统概述
7.1.2 相关工作
7.1.3 SAoT框架
7.1.4 案例实践
7.1.5 结论及致谢
7.2 基于大语言模型的数学推理多工具集成应用
7.2.1 系统概述
7.2.2 相关工作
7.2.3 技术方案
7.2.4 案例实践
7.2.5 结论及展望
第8章 为何Sora是通往AGI道路的里程碑
8.1 从大语言模型（LLM）到大视觉模型（LVM）的关键转变
8.1.1 LLM和LVM之间的关系及转变的意义
8.1.2 揭示LVM在实现通用人工智能（AGI）中的作用
8.2 Visual Data和Text Data的成功融合案例
8.3 Sora如何依据文本指令生成具有三维一致性的视频内容
8.4 解析Sora根据图像或视频生成高保真内容的技术路径
8.4.1 Sora的推理流程
8.4.2 Sora的训练流程
8.5 探讨Sora在不同应用场景中的实践价值及其面临的挑战
8.5.1 Sora在不同应用场景中的实践价值
8.5.2 Sora面临的挑战
第9章 解码Sora架构原理
9.1 Sora技术演进路径及能力根源
9.1.1 Sora与神经网络原理解析
9.1.2 Sora与扩散Transformers抽象
9.2 DiT是如何帮助Sora实现一致、逼真、富有想象力的视频内容的
9.3 为何选用Transformer作为Diffusion的核心网络
9.3.1 稳定扩散模型解析
9.3.2 CLIP模型解析
9.3.3 Sora使用Transformer代替U-Net
9.3.4 扩散模型加噪去噪流程解析
9.4 DiT的Patchification原理及流程
9.5 Conditional Diffusion过程及其在内容生成过程中的作用
9.5.1 视频与文本指令对齐
9.5.2 RoPE位置编码解析
第10章 Sora关键技术解密
10.1 Sora如何利用Transformer和Diffusion技术理解物体间的互动
10.1.1 Transformer加法操作解密
10.1.2 Transformer通信通道本质解析
10.2 为何时空块是Sora技术的核心
10.2.1 Transformer嵌入式向量解密
10.2.2 Transformer注意力作用解析
10.3 时空潜在块详解
10.3.1 Sora