開發專屬ChatGPT Operator - AI Agent全面實戰精解 唐宇迪、尹澤明 主編
產品編號：9786267757208
促銷 團購優惠-聯合 出版社
購物每消費滿300元，可獲得1元購物金
網路價
NT${{ commaFormat(product.price_actu) }}
NT${{commaFormat(product.price_sugg)}}
專屬特惠價 NT${{ commaFormat(product.group_price) }}
優惠價
NT${{ commaFormat(product.member_price) }}
NT${{ commaFormat(product.group_price) }}
商品組合
贈品 (買就送)
{{ pItem.title }}
| 備註 | ⭐此書較長備貨，下單後約7-10個工作日(不含例假日)寄出 |
| 此商品不適用 |
促銷活動 會員等級折扣 優惠券 購物金折抵 |
付款方式
轉帳/匯款/無摺存款 / LinePay付款 / 超商代碼付款(綠界金流) / 信用卡一次付清(綠界金流) / AFTEE 先享後付 / [圖書專用] 7-11取貨付款
配送方式
7-11超商取貨 / 全家超商取貨 / 宅配到家 / 校園門市店到店取貨(需7~10個工作天，急用勿選)
超值加購
{{ pItem.title }}
型號:{{ pItem.model }}
加購價 NT${{pItem.extra_price}}
(原價NT${{pItem.price_orig}})
加購數量
已搶購一空
出版商:深智
出版日期:2025-08-19
語言:繁體中文
頁數:392
ISBN-13:
9786267757208
【內容】
►完整介紹 Agent 架構與應用場景
►實作 Coze 平臺打造專屬 AI 助理
►設計客服聊天機器人，整合前後端技術
►掌握 AutoGen 框架與 LLM 接入流程
►深入剖析史丹佛 AI 小鎮與生成式代理技術
►實戰 LangChain 架構下的 RAG 系統開發
►從部署到互動，建構本地知識庫與介面應用
►配置 LLM 本地環境，支援主流模型部署
►完整講解 LoRA、PEFT 微調技術與流程
►精準調校 Llama 3 模型，完成量化與應用開發
本書針對 AI Agent 與大語言模型的整合應用進行深入剖析與實作說明，涵蓋從 Agent 框架概念、Coze 平臺應用、AutoGen 實戰，到 RAG 架構與本地知識庫部署，帶領讀者一步步實現企業級智慧助理。特別介紹史丹佛 AI 小鎮專案，分析其行為模擬與社會互動模式，並透過 LangChain 架構進行 RAG 系統開發。進階章節涵蓋 LLM 模型本地部署、量化技巧、LoRA 與 PEFT 微調策略，讓讀者掌握從模型開發、推理到產品化的完整能力。全書範例完整、工具豐富，適合 AI 工程師、技術創業者與高校師生自學與參考。
【目錄】
▌第1章 Agent 框架與應用
1.1 初識Agent
1.1.1 感知能力
1.1.2 思考能力
1.1.3 動作能力
1.1.4 記憶能力
1.2 Agent 框架
1.2.1 Agent 框架理念
1.2.2 常用的Agent 框架
1.3 Multi-Agent 多角色協作
1.3.1 SOP 拆解
1.3.2 角色扮演
1.3.3 回饋迭代
1.3.4 監督控制
1.3.5 實例說明
1.4 Agent 應用分析
1.4.1 Agent 自身場景落地
1.4.2 Agent 結合RPA 場景落地
1.4.3 Agent 多態具身機器人
▌第2章 使用Coze 打造專屬Agent
2.1 Coze 平臺
2.1.1 Coze 平臺的優勢
2.1.2 Coze 平臺的介面
2.1.3 Coze 平臺的功能模組
2.2 Agent 的實現流程
2.2.1 Agent 需求分析
2.2.2 Agent 架構設計
2.3 使用Coze 平臺打造專屬的NBA 新聞幫手
2.3.1 需求分析與設計思路制定
2.3.2 NBA 新聞幫手的實現與測試
2.4 使用Coze 平臺打造小紅書文案幫手
2.4.1 需求分析與設計思路制定
2.4.2 小紅書文案幫手的實現與測試
▌第3章 打造專屬領域的客服聊天機器人
3.1 客服聊天機器人概述
3.1.1 客服聊天機器人價值簡介
3.1.2 客服聊天機器人研發工具
3.2 AI 課程客服聊天機器人整體架構
3.2.1 前端功能設計
3.2.2 後端功能設計
3.3 AI 課程客服聊天機器人應用實例
▌第4章 AutoGen Agent 開發框架實戰
4.1 AutoGen 開發環境
4.1.1 Anaconda
4.1.2 PyCharm
4.1.3 AutoGen Studio
4.2 AutoGen Studio 案例
4.2.1 案例介紹
4.2.2 AutoGen Studio 模型配置
4.2.3 AutoGen Studio 技能配置
4.2.4 AutoGen Studio 當地語系化配置
▌第5章 生成式代理——以史丹佛AI 小鎮為例
5.1 生成式代理簡介
5.2 史丹佛AI 小鎮專案簡介
5.2.1 史丹佛AI 小鎮專案背景
5.2.2 史丹佛AI 小鎮設計原理
5.2.3 史丹佛AI 小鎮典型情景
5.2.4 互動體驗
5.2.5 技術實現
5.2.6 社會影響
5.3 史丹佛AI 小鎮體驗
5.3.1 資源準備
5.3.2 部署運行
5.4 生成式代理的行為和互動
5.4.1 模擬個體和個體間的交流
5.4.2 環境互動
5.4.3 範例「日常生活中的一天」
5.4.4 自發社會行為
5.5 生成式代理架構
5.5.1 記憶和檢索
5.5.2 反思
5.5.3 計畫和反應
5.6 沙箱環境實現
5.7 評估
5.7.1 評估程式
5.7.2 條件
5.7.3 分析
5.7.4 結果
5.8 生成式代理的進一步探討
▌第6章 RAG 檢索架構分析與應用
6.1 RAG 架構分析
6.1.1 檢索器
6.1.2 生成器
6.2 RAG 工作流程
6.2.1 資料提取
6.2.2 文字分割
6.2.3 向量化
6.2.4 資料檢索
6.2.5 注入提示
6.2.6 提交給LLM
6.3 RAG 與微調和提示詞工程的比較
6.4 基於LangChain 的RAG 應用實戰
6.4.1 基礎環境準備
6.4.2 收集和載入資料
6.4.3 分割原始檔案
6.4.4 資料向量化後入庫
6.4.5 定義資料檢索器
6.4.6 建立提示
6.4.7 呼叫LLM 生成答案
▌第7章 RAG 應用案例——使用RAG 部署本地知識
7.1 部署本地環境及安裝資料庫
7.1.1 在Python 環境中建立虛擬環境並安裝所需的函式庫
7.1.2 安裝phidata 函式庫
7.1.3 安裝和配置Ollama
7.1.4 基於Ollama 安裝Llama 3 模型和nomic-embed-text 模型
7.1.5 下載和安裝Docker 並用Docker 下載向量資料庫的鏡像
7.2 程式部分及前端展示配置
7.2.1 assistant.py 程式
7.2.2 app.py 程式
7.2.3 啟動AI 互動頁面
7.2.4 前端互動功能及對應程式
7.3 呼叫雲端大語言模型
7.3.1 配置大語言模型的API Key
7.3.2 修改本地RAG 應用程式
7.3.3 啟動並呼叫雲端大語言模型
▌第8章 LLM 本地部署與應用
▌第9章 LLM 與LoRA 微調策略解讀
▌第10章 PEFT 微調實戰——打造醫療領域LLM
▌第11章 Llama 3 模型的微調、量化、部署和應用
▌第1章 Agent 框架與應用
1.1 初識Agent
1.1.1 感知能力
1.1.2 思考能力
1.1.3 動作能力
1.1.4 記憶能力
1.2 Agent 框架
1.2.1 Agent 框架理念
1.2.2 常用的Agent 框架
1.3 Multi-Agent 多角色協作
1.3.1 SOP 拆解
1.3.2 角色扮演
1.3.3 回饋迭代
1.3.4 監督控制
1.3.5 實例說明
1.4 Agent 應用分析
1.4.1 Agent 自身場景落地
1.4.2 Agent 結合RPA 場景落地
1.4.3 Agent 多態具身機器人
▌第2章 使用Coze 打造專屬Agent
2.1 Coze 平臺
2.1.1 Coze 平臺的優勢
2.1.2 Coze 平臺的介面
2.1.3 Coze 平臺的功能模組
2.2 Agent 的實現流程
2.2.1 Agent 需求分析
2.2.2 Agent 架構設計
2.3 使用Coze 平臺打造專屬的NBA 新聞幫手
2.3.1 需求分析與設計思路制定
2.3.2 NBA 新聞幫手的實現與測試
2.4 使用Coze 平臺打造小紅書文案幫手
2.4.1 需求分析與設計思路制定
2.4.2 小紅書文案幫手的實現與測試
▌第3章 打造專屬領域的客服聊天機器人
3.1 客服聊天機器人概述
3.1.1 客服聊天機器人價值簡介
3.1.2 客服聊天機器人研發工具
3.2 AI 課程客服聊天機器人整體架構
3.2.1 前端功能設計
3.2.2 後端功能設計
3.3 AI 課程客服聊天機器人應用實例
▌第4章 AutoGen Agent 開發框架實戰
4.1 AutoGen 開發環境
4.1.1 Anaconda
4.1.2 PyCharm
4.1.3 AutoGen Studio
4.2 AutoGen Studio 案例
4.2.1 案例介紹
4.2.2 AutoGen Studio 模型配置
4.2.3 AutoGen Studio 技能配置
4.2.4 AutoGen Studio 當地語系化配置
▌第5章 生成式代理——以史丹佛AI 小鎮為例
5.1 生成式代理簡介
5.2 史丹佛AI 小鎮專案簡介
5.2.1 史丹佛AI 小鎮專案背景
5.2.2 史丹佛AI 小鎮設計原理
5.2.3 史丹佛AI 小鎮典型情景
5.2.4 互動體驗
5.2.5 技術實現
5.2.6 社會影響
5.3 史丹佛AI 小鎮體驗
5.3.1 資源準備
5.3.2 部署運行
5.4 生成式代理的行為和互動
5.4.1 模擬個體和個體間的交流
5.4.2 環境互動
5.4.3 範例「日常生活中的一天」
5.4.4 自發社會行為
5.5 生成式代理架構
5.5.1 記憶和檢索
5.5.2 反思
5.5.3 計畫和反應
5.6 沙箱環境實現
5.7 評估
5.7.1 評估程式
5.7.2 條件
5.7.3 分析
5.7.4 結果
5.8 生成式代理的進一步探討
▌第6章 RAG 檢索架構分析與應用
6.1 RAG 架構分析
6.1.1 檢索器
6.1.2 生成器
6.2 RAG 工作流程
6.2.1 資料提取
6.2.2 文字分割
6.2.3 向量化
6.2.4 資料檢索
6.2.5 注入提示
6.2.6 提交給LLM
6.3 RAG 與微調和提示詞工程的比較
6.4 基於LangChain 的RAG 應用實戰
6.4.1 基礎環境準備
6.4.2 收集和載入資料
6.4.3 分割原始檔案
6.4.4 資料向量化後入庫
6.4.5 定義資料檢索器
6.4.6 建立提示
6.4.7 呼叫LLM 生成答案
▌第7章 RAG 應用案例——使用RAG 部署本地知識
7.1 部署本地環境及安裝資料庫
7.1.1 在Python 環境中建立虛擬環境並安裝所需的函式庫
7.1.2 安裝phidata 函式庫
7.1.3 安裝和配置Ollama
7.1.4 基於Ollama 安裝Llama 3 模型和nomic-embed-text 模型
7.1.5 下載和安裝Docker 並用Docker 下載向量資料庫的鏡像
7.2 程式部分及前端展示配置
7.2.1 assistant.py 程式
7.2.2 app.py 程式
7.2.3 啟動AI 互動頁面
7.2.4 前端互動功能及對應程式
7.3 呼叫雲端大語言模型
7.3.1 配置大語言模型的API Key
7.3.2 修改本地RAG 應用程式
7.3.3 啟動並呼叫雲端大語言模型
▌第8章 LLM 本地部署與應用
▌第9章 LLM 與LoRA 微調策略解讀
▌第10章 PEFT 微調實戰——打造醫療領域LLM
▌第11章 Llama 3 模型的微調、量化、部署和應用
【關於教科書訂購說明】
☆ 單本即有折扣，將商品放入購物車就可以看見優惠價唷！五本以上團購更便宜！加入會員訂購，還可累積購物金！
★ 若有急需用書，可先LINE私訊詢問庫存呦~
☆ 出貨時間：有現貨的，2個工作日內出貨；無現貨，約3~5個工作日 出貨
【寄送方式說明】
❶ 實體門市取貨
全台麗文校園書局皆可取貨，貨到書局將會以簡訊通知。
❷ 超商取貨
提供7-11及全家超商取貨(需先付款，無貨到付款)。
❸ 一般宅配
本公司主要與黑貓宅急便配合，送達到您指定的地址。
※當您於本網站消費交易完成後，電子發票將會以電子郵件寄給您；如需紙本發票請於下訂時於備註欄位說明。
【付款方式說明】
❶ ATM轉帳、匯款
銀行│第一銀行-三民分行
代號│007
戶名│麗文文化事業股份有限公司
帳號│704-10-051861
※實體ATM每日轉帳最高限額為3萬，若訂購金額超過3萬元，請分兩天或是使用不同的銀行帳戶轉帳。
❷ 信用卡（可分期，需負擔手續費）
凡各家銀行的VISA、MASTER、Union Pay、JCB信用卡皆可使用。
❺ 超商代碼
系統會發送繳費代碼至您的電子信箱，需自行至「超商機器ex：iBon」輸入代碼，產生繳費單後前往櫃檯繳費。
❼ 免卡分期
麗文校園購與「zingala銀角零卡」「第一資融」以及「皮路後支付」合作，讓您免用信用卡就可以購物。
如有使用上的問題，可以先與揪小編聯絡唷！。
※請注意：超過7天未付款之訂單則訂單自動失效；免卡分期訂單成立起7天內未主動聯繫亦同。
【其他說明】
❶關於出貨
1.商品為不缺貨前提下，訂單完成付款後2-4個工作天將會出貨(不含例假日及國定假日)；若商品缺貨則須等待1-2週。
2.麗文校園揪來玩保留訂單接受與否權利，若因交易條件有誤或有其他情形導致我們無法接受您的訂單，將以E-mail發送取消訂單通知給您，造成不便敬請見諒。
❷關於退貨
1.非門市現場消費享有七天猶豫期，收到商品當天往後算七天內若是決定不買，則協助不要拆封，一拆封視同願意購買。
2.若真的決定不購買商品要退貨，請聯繫我們LINE線上客服，我們會盡速為您處理。
❸關於新品瑕疵與維修保固
1.全新商品享有購買七日內，新品瑕疵的換新保障；但新品瑕疵與否，是由商品代理商或原廠所判定，麗文校園揪來玩僅能依據判定的結果給予協助。若是原廠判定非新品瑕疵則無法換新，需改為維修的方式處理。
2.新品瑕疵換新的作業時間，將依各廠商的流程而定，最快2個工作天，慢的話也可能需要到15個工作天。
3.購買超過七日後，維修服務由原廠提供。如有需要維修，麗文校園揪來玩可以代為送修，但送修如需運費時（EX:原廠沒有提供免費收件服務），則需由您負擔送修的運費（運費約為100元起，因商品大小而異）。
【華碩的維修服務】
