รูปแบบการพัฒนาแอปพลิเคชันโดยใช้ปัญญาประดิษฐ์ (ฉบับภาษาไทย)
รูปแบบการพัฒนาแอปพลิเคชันโดยใช้ปัญญาประดิษฐ์ (ฉบับภาษาไทย)
About the Book
"รูปแบบการพัฒนาแอปพลิเคชันโดยใช้ AI" เป็นหนังสือที่ก้าวหน้าในการสำรวจจุดบรรจบของปัญญาประดิษฐ์ (AI) และการพัฒนาแอปพลิเคชัน ในหนังสือเล่มนี้ Obie Fernandez นักพัฒนาซอฟต์แวร์ที่มีชื่อเสียงและผู้ร่วมก่อตั้งแพลตฟอร์มที่ปรึกษาที่ใช้ AI Olympia แบ่งปันข้อมูลเชิงลึกและประสบการณ์อันมีค่าในระยะเวลาหนึ่งปีของการสร้างแอปพลิเคชันที่ใช้ AI
ผ่านการผสมผสานที่น่าสนใจของบทบรรยายและข้อมูลอ้างอิงรูปแบบการใช้งาน Obie นำเสนอคู่มือที่ครอบคลุมถึงวิธีการใช้พลังของโมเดลภาษาขนาดใหญ่ (LLMs) ในการพัฒนาแอปพลิเคชัน เขาแนะนำรูปแบบนวัตกรรมเช่น "ความหลากหลายของคนงาน," "ข้อมูลที่ฟื้นตัวเอง," และ "การสร้างเนื้อหาตามบริบท," ซึ่งช่วยให้นักพัฒนาสร้างแอปพลิเคชันที่ชาญฉลาด ปรับตัวได้ และมุ่งเน้นผู้ใช้
ไม่เหมือนกับหนังสืออื่น ๆ เกี่ยวกับ AI ที่มุ่งเน้นแนวคิดทางทฤษฎีหรือซับซ้อนในอัลกอริทึมการเรียนรู้ของเครื่อง หนังสือเล่มนี้ใช้วิธีการที่เป็นรูปธรรม โดยให้ตัวอย่างที่ชัดเจน กรณีการใช้งานจริง และคำแนะนำที่นำไปปฏิบัติได้เกี่ยวกับวิธีการรวมส่วนประกอบและฟังก์ชันของ AI เข้ากับสถาปัตยกรรมแอปพลิเคชัน Obie แบ่งปันความสำเร็จ, ความท้าทาย, และบทเรียนที่ได้รับ, นำเสนอภาพมุมมองที่ไม่ซ้ำใครในการประยุกต์ใช้ AI ในการพัฒนาซอฟต์แวร์
About the Authors
Table of Contents
- คำนำโดย Gregor Hohpe
-
คำนำ
- เกี่ยวกับหนังสือ
- เกี่ยวกับตัวอย่างโค้ด
- สิ่งที่ฉันไม่ได้ครอบคลุม
- หนังสือเล่มนี้สำหรับใคร
- การสร้างคำศัพท์ร่วม
- การมีส่วนร่วม
- คำขอบคุณ
- เกี่ยวกับภาพประกอบเป็นยังไงบ้าง?
- เกี่ยวกับการตีพิมพ์แบบ Lean
- เกี่ยวกับผู้เขียน
-
บทนำ
- ความคิดเกี่ยวกับสถาปัตยกรรมซอฟต์แวร์
- โมเดลภาษาใหญ่คืออะไร?
- ทำความเข้าใจกับการอนุมาน
- การพิจารณาประสิทธิภาพ
- การทดลองใช้โมเดล LLM ที่แตกต่างกัน
- ระบบ AI แบบซับซ้อน
- ส่วนที่ 1: วิธีการและเทคนิคพื้นฐาน
-
ทำให้เส้นทางแคบลง
- พื้นที่แฝง: กว้างใหญ่เกินกว่าจะจินตนาการได้
- วิธีที่เส้นทางถูก “จำกัด”
- โมเดลดิบกับโมเดลที่ปรับแต่งตามคำสั่ง
- การออกแบบคำสั่ง
- การกลั่นคำสั่ง
- แล้วการปรับแต่งล่ะ?
-
การสร้างที่เพิ่มข้อมูลด้วยการเรียกคืน (RAG)
- การสร้างที่เพิ่มข้อมูลด้วยการเรียกคืนคืออะไร?
- RAG ทำงานอย่างไร?
- ทำไมต้องใช้ RAG ในแอปพลิเคชันของคุณ?
- การนำ RAG ไปใช้ในแอปพลิเคชันของคุณ
- การแบ่งประโยคบอกเล่า
- ตัวอย่างจริงของ RAG
- การเพิ่มประสิทธิภาพคำถามอย่างชาญฉลาด (IQO)
- การจัดลำดับใหม่
- การประเมิน RAG (RAGAs)
- ความท้าทายและมุมมองอนาคต
-
คนงาน AI จำนวนมาก
- คนงาน AI เป็นส่วนประกอบที่นำกลับมาใช้ใหม่ได้อย่างเป็นอิสระ
- การจัดการบัญชี
- การประยุกต์ใช้ในอีคอมเมิร์ซ
- การประยุกต์ใช้ในด้านสุขภาพ
- AI Worker ในฐานะผู้จัดการกระบวนการ
- การบูรณาการ AI Workers เข้ากับสถาปัตยกรรมแอปพลิเคชันของคุณ
- การประกอบและการจัดระเบียบของคนงาน AI
- การรวม NLP แบบดั้งเดิมกับ LLMs
-
การใช้เครื่องมือ
- การใช้เครื่องมือคืออะไร?
- ศักยภาพของการใช้งานเครื่องมือ
- การทำงานของการใช้งานเครื่องมือ
- แนวปฏิบัติที่ดีที่สุดสำหรับการใช้เครื่องมือ
- การประกอบและเชื่อมโยงเครื่องมือ
- ทิศทางในอนาคต
-
การประมวลผลสตรีม
- การสร้าง ReplyStream
- “วงรอบการสนทนา”
- การดำเนินการอัตโนมัติ
- บทสรุป
-
ข้อมูลที่สามารถรักษาตัวเองได้
- กรณีศึกษาเชิงปฏิบัติ: การแก้ไข JSON ที่ชำรุด
- Considerations and Counterindications
-
การสร้างเนื้อหาเชิงบริบท
- การปรับให้เหมาะสมกับบุคคล
- ประสิทธิภาพในการทำงาน
- การทำซ้ำและทดลองอย่างรวดเร็ว
- การทำให้เป็นสากลด้วยพลัง AI
- ความสำคัญของการทดสอบและข้อเสนอแนะจากผู้ใช้
-
อินเตอร์เฟสผู้ใช้แบบสร้างสรรค์
- การสร้างข้อความสำหรับอินเตอร์เฟสผู้ใช้
- การกำหนด Generative UI
- ตัวอย่าง
- การเปลี่ยนสู่การออกแบบที่เน้นผลลัพธ์
- ความท้าทายและข้อควรพิจารณา
- แนวโน้มในอนาคตและโอกาส
-
การประสานงานขั้นตอนการทำงานอย่างชาญฉลาด
- ความต้องการทางธุรกิจ
- ประโยชน์หลัก
- รูปแบบหลัก
- การจัดการข้อยกเว้นและการกู้คืน
- การนำการจัดระเบียบกระบวนการทำงานอัจฉริยะไปใช้ในทางปฏิบัติ
- การเฝ้าระวังและการบันทึก
- ข้อควรพิจารณาด้านการปรับขนาดและประสิทธิภาพ
- การทดสอบและการตรวจสอบความถูกต้องของเวิร์กโฟลว์
- ส่วนที่ 2: รูปแบบ
-
การสร้างคำสั่ง
- โซ่ความคิด
- การสลับโหมด
- การกำหนดบทบาท
- อ็อบเจ็กต์ของพรอมต์
- เทมเพลตของพรอมต์
- การรับส่งข้อมูลตามโครงสร้าง
- Prompt Chaining
- เครื่องมือปรับปรุงคำสั่ง
- การกั้นการตอบสนอง
- ตัววิเคราะห์คำถาม
- Query Rewriter
- นักพากย์เสียง
-
ส่วนประกอบแยก
- Predicate
- API Facade
- ตัวแปลผลลัพธ์
- เครื่องเสมือน
-
มนุษย์ในวงจร (HITL)
- รูปแบบระดับสูง
- การยกระดับ
- วงจรป้อนกลับ
- การแผ่รังสีข้อมูลแบบพาสซีฟ
- การตัดสินใจร่วมกัน (CDM)
- การเรียนรู้อย่างต่อเนื่อง
- ข้อพิจารณาทางจริยธรรม
- ความก้าวหน้าทางเทคโนโลยีและแนวโน้มในอนาคต
-
การจัดการข้อผิดพลาดอย่างชาญฉลาด
- วิธีการจัดการข้อผิดพลาดแบบดั้งเดิม
- การวินิจฉัยข้อผิดพลาดเชิงบริบท
- การรายงานข้อผิดพลาดอย่างชาญฉลาด
- การป้องกันข้อผิดพลาดล่วงหน้า
- การกู้คืนข้อผิดพลาดอย่างชาญฉลาด
- การสื่อสารข้อผิดพลาดแบบเฉพาะบุคคล
- เวิร์กโฟลว์การจัดการข้อผิดพลาดที่ปรับตัวได้
-
การควบคุมคุณภาพ
- Eval
- การป้องกัน
- รั้วป้องกันและการประเมิน: สองด้านของเหรียญเดียวกัน
- อภิธานศัพท์
- บันทึกย่อ
Other books by these authors
The Leanpub 60 Day 100% Happiness Guarantee
Within 60 days of purchase you can get a 100% refund on any Leanpub purchase, in two clicks.
See full terms
รับ $8 จากการซื้อ $10 และ $16 จากการซื้อ $20
เราจ่าย ค่าลิขสิทธิ์ 80% สำหรับการซื้อ $7.99 หรือมากกว่า และ ค่าลิขสิทธิ์ 80% ลบด้วยค่าธรรมเนียมคงที่ 50 เซนต์ สำหรับการซื้อระหว่าง $0.99 ถึง $7.98 คุณได้รับ $8 จากการขาย $10 และ $16 จากการขาย $20 ดังนั้นหากเราขาย หนังสือของคุณ 5000 เล่มที่ไม่ถูกคืนในราคา $20 คุณจะได้รับ $80,000
(ใช่ ผู้เขียนบางคนได้รับเงินมากกว่านั้นมากใน Leanpub)
ในความเป็นจริง ผู้เขียนได้รับเงินมากกว่า 13 ล้านดอลลาร์จากการเขียน การเผยแพร่ และการขายบน Leanpub
เรียนรู้เพิ่มเติมเกี่ยวกับการเขียนใน Leanpub
Free Updates. DRM Free.
If you buy a Leanpub book, you get free updates for as long as the author updates the book! Many authors use Leanpub to publish their books in-progress, while they are writing them. All readers get free updates, regardless of when they bought the book or how much they paid (including free).
Most Leanpub books are available in PDF (for computers) and EPUB (for phones, tablets and Kindle). The formats that a book includes are shown at the top right corner of this page.
Finally, Leanpub books don't have any DRM copy-protection nonsense, so you can easily read them on any supported device.
Learn more about Leanpub's ebook formats and where to read them
