現代 AI 全景聖經：多模態生成 × Agentic AI，從 LLM 演化到 AI 工程實戰 / 王彥文、黃銀鵬 深智
產品編號：9786267889916
促銷 團購優惠-聯合 出版社
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${{ commaFormat(product.group_price) }}
商品組合
贈品 (買就送)
{{ pItem.title }}
付款方式
轉帳/匯款/無摺存款/至總店購書時使用文化幣 / LinePay付款 / 超商代碼付款(綠界金流) / 信用卡一次付清(綠界金流) / AFTEE 先享後付 / [圖書專用] 7-11取貨付款(限500~3000元訂單使用)
配送方式
7-11超商取貨 / 全家超商取貨 / 宅配到家 / 校園書局門市取貨(取貨加碼送5元折價)
超值加購
{{ pItem.title }}
型號:{{ pItem.model }}
加購價 NT${{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:2026-10-19
語言:繁體中文
頁數:1168
ISBN-13:9786267889916
【內容】
擺脫碎片化學習，建立不退流行的演算法母語！
►直擊前沿範式 ｜ 深度解密 o1/R1 推理與 1M+ Context
►手刻 Agent 系統 ｜ 150+ 範例，從 MoE 手刻到 LangGraph
►階梯思考訓練 ｜ 全套 2,578 題庫，建構完整知識圖譜
►在地繁中評測 ｜ 大量對接司法院判決、健保 QA 等在地資料
【Part IV LLM 與生成式】 大模型技術全景
‧ 解密 GPT-4.5、Claude 4 與 DeepSeek MoE
‧ SFT、DPO 對齊與 QLoRA 輕量微調
【Part V & VI 前沿應用】 Agentic AI 與長上下文
‧ 企業級 RAG 知識庫與 GraphRAG 實戰
‧ Computer Use 螢幕操作與 LangGraph 多 Agent
【Part VII 工程與治理】 Production 落地防線
‧ vLLM 推理引擎、GGUF 量化與 MLOps
‧ Prompt Injection 防禦與端到端 Capstone
【目錄】
▍Part IV LLM 與基礎模型
第12 章 LLM 演化：從GPT-3 到Claude 4
12.1 Scaling Laws 與訓練範式
12.2 GPT 家族與OpenAI 路線
12.3 Claude 家族與 Anthropic
12.4 Llama 家族與開源生態
12.5 Mistral / DeepSeek / Qwen / Gemini
12.6 Mixture of Experts(MoE)
12.7 [深化] Emergent Abilities 與相變現象
12.8 Prompt 跨模型遷移性與中文 LLM 評測
本章重點回顧
第13 章 LLM 微調，對齊與參數效率
13.1 預訓練 → SFT → 對齊三階段
13.2 RLHF 全流程
13.3 DPO 與後續變體（2024 主流)
13.4 參數效率微調(PEFT)
13.5 RAG vs 微調：何時選哪個
13.6 RLAIF 與 Constitutional AI
13.7 實戰：用PyTorch+LoRA 微調Llama 3
第14章 推理模型與 Test-time Compute（2024-2026 新典範）
14.1 Chain-of-Thought 起源
14.2 推理增強技術
14.3 OpenAI o1 / o3 模型
14.4 Test-time Scaling Laws
14.5 開源推理模型
14.6 推理模型的失敗模式
本章重點回顧
第15 章 生成式AI——VAE/GAN/Diffusion/Flow Matching
15.1 VAE 變分自編碼器
15.2 GAN 生成對抗網路
15.3 Diffusion 擴散模型
15.4 Flow Matching（2024-2026 新典範）
15.5 條件生成
15.6 [深化] Diffusion 反向過程的隨機微分方程觀點
本章重點回顧
第16 章 多模態AI——圖文音影
16.1 圖文對齊：CLIP 與後繼
16.2 視覺語言模型(VLM)
16.3 圖像生成商業生態
16.4 影片生成
16.5 語音與音訊
16.6 統一多模態模型
16.7 [深化] CLIP 對比學習損失與嵌入幾何
本章重點回顧
▍Part V 進階主題
第17 章 強化學習與深度強化學習
17.1 RL 基礎：MDP 與Bellman
17.2 Value-based 方法
17.3 Policy-based 方法
17.4 Model-based RL 與 World Models
17.5 RL 在 LLM 中的應用
17.6 多智能體與遊戲 AI
本章重點回顧
第18 章 圖神經網路
18.1 圖資料表示
18.2 GNN 核心演算法
18.3 進階 GNN
18.4 應用實戰
18.5 [深化] GCN 與圖拉普拉斯譜域
本章重點回顧
第19 章 LLM 應用開發：RAG 與結構化輸出
19.1 Prompt Engineering 工程化
19.2 RAG 完整架構
19.3 結構化輸出
19.4 LangChain / LlamaIndex / Haystack
19.5 進階 RAG
19.6 [實戰] 完整 RAG 系統
本章重點回顧
第20 章 AI Agents 與Agentic AI
20.1 Agent 概念與演化
20.2 Agent 框架
20.3 Computer Use 與環境互動
20.4 Multi-Agent System
20.5 Agent 評估
20.6 Agent 失敗模式與安全
20.7 [實戰] 構建多步驟研究Agent（以ArXiv 論文回顧為主題）
本章重點回顧
第21 章 Code Generation 與AI 編程
21.1 Code LLM 演化
21.2 商業編程工具
21.3 Agentic 編碼工具
21.4 大型 Codebase 處理
21.5 SWE-bench 與真實 PR
21.6 [實戰 ] 用 Claude Code 完成中型專案（ 資料分析儀表板開源工具）
21.7 AI 協作守則總表
本章重點回顧
第22 章 長上下文與Context Engineering
22.1 Context Window 演進
22.2 長上下文 Attention 優化
22.3 Context Engineering
22.4 長上下文失敗模式
22.5 1M+ Context 應用
22.6 [深化] 長上下文計算複雜度與工程突破
本章重點回顧
▍Part VII 工程與治理
第23 章 模型優化，部署與 MLOps
23.1 模型壓縮
23.2 推理引擎
23.3 部署架構
23.4 MLOps 工具鏈
23.5 模型監控
23.6 GPU 資源規劃
本章重點回顧
第24 章 AI 倫理，安全，對齊與監管
第25 章 整合Capstone：端到端AI 系統實戰
本章重點回顧 全書 25 章學完之後該往哪走
▍Part IV LLM 與基礎模型
第12 章 LLM 演化：從GPT-3 到Claude 4
12.1 Scaling Laws 與訓練範式
12.2 GPT 家族與OpenAI 路線
12.3 Claude 家族與 Anthropic
12.4 Llama 家族與開源生態
12.5 Mistral / DeepSeek / Qwen / Gemini
12.6 Mixture of Experts(MoE)
12.7 [深化] Emergent Abilities 與相變現象
12.8 Prompt 跨模型遷移性與中文 LLM 評測
本章重點回顧
第13 章 LLM 微調，對齊與參數效率
13.1 預訓練 → SFT → 對齊三階段
13.2 RLHF 全流程
13.3 DPO 與後續變體（2024 主流)
13.4 參數效率微調(PEFT)
13.5 RAG vs 微調：何時選哪個
13.6 RLAIF 與 Constitutional AI
13.7 實戰：用PyTorch+LoRA 微調Llama 3
第14章 推理模型與 Test-time Compute（2024-2026 新典範）
14.1 Chain-of-Thought 起源
14.2 推理增強技術
14.3 OpenAI o1 / o3 模型
14.4 Test-time Scaling Laws
14.5 開源推理模型
14.6 推理模型的失敗模式
本章重點回顧
第15 章 生成式AI——VAE/GAN/Diffusion/Flow Matching
15.1 VAE 變分自編碼器
15.2 GAN 生成對抗網路
15.3 Diffusion 擴散模型
15.4 Flow Matching（2024-2026 新典範）
15.5 條件生成
15.6 [深化] Diffusion 反向過程的隨機微分方程觀點
本章重點回顧
第16 章 多模態AI——圖文音影
16.1 圖文對齊：CLIP 與後繼
16.2 視覺語言模型(VLM)
16.3 圖像生成商業生態
16.4 影片生成
16.5 語音與音訊
16.6 統一多模態模型
16.7 [深化] CLIP 對比學習損失與嵌入幾何
本章重點回顧
▍Part V 進階主題
第17 章 強化學習與深度強化學習
17.1 RL 基礎：MDP 與Bellman
17.2 Value-based 方法
17.3 Policy-based 方法
17.4 Model-based RL 與 World Models
17.5 RL 在 LLM 中的應用
17.6 多智能體與遊戲 AI
本章重點回顧
第18 章 圖神經網路
18.1 圖資料表示
18.2 GNN 核心演算法
18.3 進階 GNN
18.4 應用實戰
18.5 [深化] GCN 與圖拉普拉斯譜域
本章重點回顧
第19 章 LLM 應用開發：RAG 與結構化輸出
19.1 Prompt Engineering 工程化
19.2 RAG 完整架構
19.3 結構化輸出
19.4 LangChain / LlamaIndex / Haystack
19.5 進階 RAG
19.6 [實戰] 完整 RAG 系統
本章重點回顧
第20 章 AI Agents 與Agentic AI
20.1 Agent 概念與演化
20.2 Agent 框架
20.3 Computer Use 與環境互動
20.4 Multi-Agent System
20.5 Agent 評估
20.6 Agent 失敗模式與安全
20.7 [實戰] 構建多步驟研究Agent（以ArXiv 論文回顧為主題）
本章重點回顧
第21 章 Code Generation 與AI 編程
21.1 Code LLM 演化
21.2 商業編程工具
21.3 Agentic 編碼工具
21.4 大型 Codebase 處理
21.5 SWE-bench 與真實 PR
21.6 [實戰 ] 用 Claude Code 完成中型專案（ 資料分析儀表板開源工具）
21.7 AI 協作守則總表
本章重點回顧
第22 章 長上下文與Context Engineering
22.1 Context Window 演進
22.2 長上下文 Attention 優化
22.3 Context Engineering
22.4 長上下文失敗模式
22.5 1M+ Context 應用
22.6 [深化] 長上下文計算複雜度與工程突破
本章重點回顧
▍Part VII 工程與治理
第23 章 模型優化，部署與 MLOps
23.1 模型壓縮
23.2 推理引擎
23.3 部署架構
23.4 MLOps 工具鏈
23.5 模型監控
23.6 GPU 資源規劃
本章重點回顧
第24 章 AI 倫理，安全，對齊與監管
第25 章 整合Capstone：端到端AI 系統實戰
本章重點回顧 全書 25 章學完之後該往哪走
【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】
