AI大模型开发实战

本书系统全面地阐述了大模型应用开发的核心技术体系与实践路径。内容涵盖大模型基础与技术概览、开发环境搭建、提示工程与交互设计、检索增强生成系统、智能体开发体系及多模态应用开发；深入探讨了大模型在金融、医疗、教育等关键行业的落地应用；并系统讲解了模型轻量化与部署优化、系统监控与迭代优化等工程化方法，同时强调了人工智能伦理与合规的重要性，为读者呈现了从技术入门到系统落地的完整知识链。本书适合对人工智能有浓厚兴趣，有意掌握人工智能大模型开发的技术人员，以及高等院校的师生和相关专业的人员阅读。

前　言第1章　人工智能与大模型入门11.1　人工智能与大模型发展背景21.2　大模型的工作原理31.3　大模型发展历程与技术演进41.4　常见大模型对比61.5　小结7第2章　大模型应用开发环境与工具链82.1　开发环境配置与核心工具链92.2　本地化部署方案142.3　应用程序接口调用基础172.4　小结18第3章　提示工程与交互设计193.1　提示工程的概念与实践203.2　动态模板与多风格控制223.3　CoT与多步骤推理框架253.4　小结28第4章　检索增强生成（RAG）系统294.1　RAG基本原理与架构304.2　知识库构建完整流程344.3　法律合同审核工具384.4　小结42第5章　智能体开发体系435.1　智能体定义与基础架构445.2　任务编排框架505.3　多智能体协作架构565.4　边缘计算轻量化智能体625.5　MCP635.6　小结69第6章　多模态应用开发706.1　多模态系统基本概念与架构716.2　工业质检多模态方案846.3　多模态交互界面设计原则886.4　小结91第7章　金融领域应用927.1　金融数据分析基础937.2　智能投顾系统1047.3　自动化合规审查1087.4　小结111第8章　医疗领域应用1128.1　医疗数据的概念及基本处理方法1138.2　医疗辅助平台1158.3　患者随访机器人技术1218.4　小结128第9章　教育领域应用1299.1　教育科技发展与应用前景1309.2　自适应学 统1369.3　多语言教学助手1449.4　小结149 0章　模型轻量化与部署优化15010.1　模型效率与性能的基础知识15110.2　模型量化技术15610.3　模型知识蒸馏技术16110.4　模型剪枝技术16910.5　低资源环境部署策略17510.6　小结176 1章　系统监控与迭代优化17711.1　输出质量评估体系17811.2　日志分析和热 新机制18711.3　用户反馈收集与模型优化循环19811.4　小结210 2章　伦理与合规21112.1　人工智能伦理基础概念21212.2　数据隐私保护21212.3　内容安全审核22012.4　小结240参考文献241