| 开本：32开 |
| 纸张：轻型纸 |
| 包装：平装 |
| 是否套装：否 |
| 国际标准书号ISBN：9787302702733 |
| 所属分类：图书>计算机/网络>人工智能>机器学习 |
注：部分书籍 赠品数量有限，随机赠送，赠完为止！介意赠品勿拍！由于部分书籍多仓发货库存更新不及时，断货短信告知请知悉！团购更商品详情
重磅推荐
编辑推荐
深入浅出的大模型技术解析模型部署与调用：详细讲解本地与在线部署方法，帮助读者从零开始理解并实现模型应用。技术与微调优化：探讨如何通过技术提升大模型的性能，结合深度微调使模型更加智能和精准。高效的智能体开发框架与技术与：介绍具备高度生态支持的框架，助力开发者快速构建模块化智能体系统。模型应用：专门选择系列模型作为支撑，展示其在多种场景下的强大能力。多元应用场景企业级开发：通过多个实际案例，展示如何在企业环境中部署与优化智能体系统，提升工作效率。跨行业应用：涵盖客服、数据分析、代码生成等多个行业场景，帮助读者轻松应对各种挑战。
内容简介
《大模型开发实践》系统地讲解了大模型智能体（）开发领域的核心技术路径与代表性实战案例，涵盖了从模型部署、知识增强、微调优化到系统构建与企业级应用的完整开发流程。本书分为八章，内容包括主流大模型的在线调用与本地部署、基于向量与知识图谱的系统构建、多轮对话与复杂任务规划的开发方法，以及大模型高效微调流程。本书还特别介绍了与两大主流框架的功能机制与最佳实践。项目案例部分精选了多个企业级实战场景，如基于的本地知识问答系统、医学领域的大模型高效微调、站舆情分析智能体（）等。这些项目紧贴实际需求，解析了模型调用、知识增强、任务规划、前后端集成等关键环节，既展示了大模型在不同行业的应用潜力，也为读者提供了可复用、可扩展的开发参考。
作者简介
吴昊天：九天（站），现为赋范空间北京科技有限公司创始人，同时兼任首席技术官大模型产研中心负责人。主导并研发包括数据分析、机器学习、深度学习、大模型等爆款口碑体系课程，累计名用户参与课程学习。同时在年创立了大模型公益社区——赋范大模型技术社区，目前社区已有成员，超过人次学习。陈志鹏：木羽（站），赋范空间大模型技术专家，全网粉丝，视频播放。前国网高级算法工程师，年技术从业经历，技术栈主要包括开发、机器学习、自然语言处理以及大模型，也是国内首批大模型工程师。现任赋范空间（北京）科技有限公司大模型技术负责人，以及赋范大模型社区共建人。王钰：王钰，中国传媒大学在读博士生，在机器学习、深度学习以及大模型领域具有扎实的理论基础和丰富的实践经验。对大模型的原理、训练优化及实际应用有深刻理解，并进行了大量的实践尝试。曾参与多项数据分析项目，产出多份高质量的数据分析报告，为企业和学术机构提供数据驱动的解决方案。
目录
目录
第章 大模型 基础
发展历程
从人工智能到现代
发展路径
的应用
大模型 的核心概念
什么是大模型
的核心组成部分
在 中的作用
主流 开发框架介绍
低代码开发框架
基础框架
代码框架 目录第章 大模型 基础 发展历程 从人工智能到现代 发展路径 的应用 大模型 的核心概念 什么是大模型 的核心组成部分 在 中的作用 主流 开发框架介绍 低代码开发框架 基础框架 代码框架 框架 附加资源 第章 大模型基础与部署调用 主流大模型发展概览 全球主流在线大模型 全球主流开源大模型 国内主流大模型 在线大模型 调用入门 在线大模型 获取指南 在线大模型 调用基本方法 在线大模型 核心参数详解 本地大模型部署及使用 本地大模型部署需求概览 本地大模型部署通用步骤 大模型本地部署指南 大模型本地部署指南 第三方集成部署工具 附加资源 第章 安装部署与 调用流程 对话大模型 模型介绍 模型 调用 模型核心参数详解 模型本地部署与调用 打造专属聊天机器人：接入 推理大模型 模型介绍 模型 调用 模型参数详解 基础开发应用 模型本地部署与调用 第三方工具集成部署 系列模型 部署方案 部署方案 部署方案 部署方案 附加资源 第章 基于本地知识库的 技术体系介绍 简介 系统的核心组成模块 文本向量化模块创建 文档加载与切分模块创建 词向量数据库与向量检索模块 大模型问答模块编写 完整流程演示 项目介绍 传统 技术实现流程与技术瓶颈 技术方案的提出背景 项目介绍及核心特点 整体流程介绍 安装部署与调用 安装与项目创建 索引过程执行 查看知识图谱相关表格 问答流程实现 中知识图谱可视化方法 第章 应用实战 与 本地部署流程实战 基础环境搭建 下载模型文件 借助 调用本地大模型 构建 检索项目 修改 源码以适配 将 接入微软 企业知识库问答实战 与 安装与项目创建 索引过程执行 问答流程 导入核心模块与关系组 设置模型参数 构建 搜索引擎并进行问答 构建 搜索引擎并进行问答 本地知识库问答 主流大模型 对话开源框架概览 模型本地部署 安装与使用 借助 执行本地知识库问答流程 接入 进行本地知识库问答 附加资源 第章 大模型微调实战 大模型微调基础 大模型为什么需要微调 微调基础概念介绍 高效微调的应用场景 主流微调工具介绍 模型微调的硬件要求与服务器环境配置 大模型微调实战 项目介绍与安装 基于 模型的自我意识微调流程 微调数据集的创建过程 微调脚本的创建与运行 微调权重合并与性能测试 高效微调 安装部署 安装与注册 模型下载 下载推理模型微调数据集 借助 进行模型推理 带入问答模板进行回答 原始模型的医疗问题问答 模型微调最小可行性实验 完整高效微调实验 附加资源 第章 大模型 开发 从 到 构建 在线 调用流程 的整体架构及接入 模型 使用 创建工具库 使用 创建 实现复杂 聊天机器人 基本概念入门 基于 实现 的集成 实现复杂 聊天机器人 附加资源 第章 企业级 开发实战 站动态数据舆情分析智能体开发实战—— 项目介绍 应用开发框架整体介绍 中的高阶 构建 基于 快速接入大模型 站 项目使用及实时数据处理 数据转化器构建及基本 流程封装 构建第一个 生成链 链路 大高阶优化方法 到 的平滑过渡 构建 的底层原理 从源码角度解析 中的节点、边和循环图 基于 框架构建项目工作流 与 集成实现 使用 构建 前端用户界面 附加资源
前言
前言
伴随着大语言模型（）技术的飞速发展，人工智能正迈入以 为核心的新阶段。大模型的应用不再局限于被动响应的问答引擎，而是逐渐演变为具备感知、思考、决策和行动能力的自主系统。 正在成为各类应用中解决复杂任务、实现人机协同的关键技术路径，被广泛应用于企业客服、数据分析、代码编写、智能搜索等领域。
本书从大模型的部署与调用出发，逐步深入讲解 的构建方法与应用流程，旨在为读者提供一个系统且实用的 开发全景指南。本书系统地介绍大模型的本地部署与在线 调用流程，随后深入探讨 （检索增强生成）机制的实际开发方法，并详细展示当前主流的高效微调策略， 以优化模型性能。此外， 书中还聚焦 、 等具备高度生态支持的 开发框架，讲解如何以模块化方式构建具备任务规划、工具调用、状态管理能力的 工作流。最后，本书以 系列模型为核心支撑，结合企业级项目案例，完整展现大模型 的全流程开发路径。
本书为每章内容均配备了结构清晰、可运行的代码实现，读者可在本地环境中轻松复现并进行扩展。通过本书的学习，读者将全面理解大模型 的关键机制，掌握搭建、优化和部署 系统的能力，并能够将其应用于更广泛的实际任务中。前言伴随着大语言模型（）技术的飞速发展，人工智能正迈入以 为核心的新阶段。大模型的应用不再局限于被动响应的问答引擎，而是逐渐演变为具备感知、思考、决策和行动能力的自主系统。 正在成为各类应用中解决复杂任务、实现人机协同的关键技术路径，被广泛应用于企业客服、数据分析、代码编写、智能搜索等领域。本书从大模型的部署与调用出发，逐步深入讲解 的构建方法与应用流程，旨在为读者提供一个系统且实用的 开发全景指南。本书系统地介绍大模型的本地部署与在线 调用流程，随后深入探讨 （检索增强生成）机制的实际开发方法，并详细展示当前主流的高效微调策略， 以优化模型性能。此外， 书中还聚焦 、 等具备高度生态支持的 开发框架，讲解如何以模块化方式构建具备任务规划、工具调用、状态管理能力的 工作流。最后，本书以 系列模型为核心支撑，结合企业级项目案例，完整展现大模型 的全流程开发路径。本书为每章内容均配备了结构清晰、可运行的代码实现，读者可在本地环境中轻松复现并进行扩展。通过本书的学习，读者将全面理解大模型 的关键机制，掌握搭建、优化和部署 系统的能力，并能够将其应用于更广泛的实际任务中。本书内容本书围绕“大模型 ”这一核心技术主线展开，由浅入深、由基础到实战，详细地介绍了从模型部署、知识增强、微调优化到 构建与企业级应用的全流程。本书共分为 章，具体内容如下。第 章：大模型 基础该章介绍 的发展历程、核心概念与系统结构，梳理当前主流的 开发框架类型，为后续章节奠定理论基础。第 章：大模型基础与部署调用该章全面概览当前主流大模型的发展格局，区分在线调用与本地部署两种常见接入方式，内容包括 使用方法、本地化部署步骤及第三方部署工具，为实际开发做好模型能力准备。第 章： 安装部署与 调用流程该章聚焦 系列模型，系统介绍 与 两大分支的使用方法，包括 接入、本地推理、 功能，以及如何通过第三方工具（如 、）进行模型的部署与落地应用。第 章：基于本地知识库的 该章系统讲解 技术体系，涵盖文本向量化、文档切分、向量检索、知识图谱构建等模块，并引入 架构以提升问答系统的推理与语义理解水平。第 章： 应用实战该章提供多个完整的 落地项目案例，结合 模型与 工程框架，分别实现本地模型问答、企业知识库接入以及多检索场景（如 与 ）的集成方案。第 章：大模型微调实战该章详细讲解大模型高效微调方法，并通过 和 的微调案例，使读者深入理解从数据准备、实验设计到完整训练的全过程。第 章：大模型 开发该章围绕 与 框架，讲解如何构建具备工具调用、多轮交互与任务调度能力的 ，结合 模型完成从语言模型调用到 任务链搭建的综合实践。第 章：企业级 开发实战该章聚焦企业级应用，引领读者开发了一个综合性项目案例—（ 站舆情分析智能体）。内容涵盖实时数据接入、 链路优化、 工作流构建、前后端集成等关键模块，展示了完整的工程化开发流程。本书特点体系完整。本书涵盖大模型 开发的全流程，从模型部署、、模型微调，到 系统构建与企业级应用，每一章既可以独立成篇，又前后衔接，帮助读者系统性地掌握 开发从原理到实战的完整技术路径。项目驱动。全书精选多个典型实战项目，包括基于原生模型的多轮对话系统、 问答系统、微调优化流程、 舆情分析智能体等。所有项目均基于真实应用场景设计，紧贴前沿需求，强化读者的工程落地能力。技术实用。本书所采用的框架与工具，如 、、、、、 等，均为当前大模型 开发中主流且稳定的开源方案，具备较强的实战性与适配性，读者可在项目开发中直接复用。结构清晰。本书实战项目按照“应用背景技术选型环境部署核心模块开发项目运行演示”的流程展开讲解，使读者能够清楚理解实际项目的开发逻辑与实现过程，提升学习效率与开发信心。学习资源丰富。本书为每个项目提供了完整可运行的源代码和学习视频，读者能够更加轻松地搭建、运行、使用项目，以最快速度提升自身的开发能力。读者对象：人工智能开发者； 和 技术爱好者；从事 系统开发的工程师；大模型相关课程的教师；企业智能化转型的研发人员；希望构建企业级 的产品经理；参加毕业设计的学生；大模型创业团队的核心技术人员。资源与服务本书提供了大量的辅助学习资源，还提供了专业的知识拓展与答疑服务，旨在帮助读者提高学习效率并解决学习过程中遇到的各种疑难问题。项目精讲视频。关注微信公众号“赋范空间”，回复关键词“实践”，即可获取本书配套的全套项目精讲视频与完整源码文件。每个项目均提供精细拆解，覆盖环境配置、模块结构、功能实现等多个维度，便于读者边学边练。读者可扫描二维码，立即开始学习。项目源码。本书配套项目均提供完整源代码，确保读者可以顺利复现开发流程。相关源码可通过公众号链接获取。本书中各项目案例所涉及的网站链接、操作指南、开源项目地址等资源，均已统一整理并附在每章最后一节的“附加资源”中。读者可根据学习需要，查阅对应章节，按需获取相关网址和材料，方便查找与使用。学习答疑群。为更好地服务读者，我们建立了配套学习交流群，定期提供技术问答与经验分享。加入方式请见公众号公告。持续更新与拓展内容。本书相关内容将持续在“赋范空间”公众号平台发布扩展文章，包括模型版本更新说明、 案例升级、开源工具推荐等，以帮助读者紧跟大模型生态发展。
重磅推荐
编辑推荐
深入浅出的大模型技术解析模型部署与调用：详细讲解本地与在线部署方法，帮助读者从零开始理解并实现模型应用。技术与微调优化：探讨如何通过技术提升大模型的性能，结合深度微调使模型更加智能和精准。高效的智能体开发框架与技术与：介绍具备高度生态支持的框架，助力开发者快速构建模块化智能体系统。模型应用：专门选择系列模型作为支撑，展示其在多种场景下的强大能力。多元应用场景企业级开发：通过多个实际案例，展示如何在企业环境中部署与优化智能体系统，提升工作效率。跨行业应用：涵盖客服、数据分析、代码生成等多个行业场景，帮助读者轻松应对各种挑战。
内容简介
《大模型开发实践》系统地讲解了大模型智能体（）开发领域的核心技术路径与代表性实战案例，涵盖了从模型部署、知识增强、微调优化到系统构建与企业级应用的完整开发流程。本书分为八章，内容包括主流大模型的在线调用与本地部署、基于向量与知识图谱的系统构建、多轮对话与复杂任务规划的开发方法，以及大模型高效微调流程。本书还特别介绍了与两大主流框架的功能机制与最佳实践。项目案例部分精选了多个企业级实战场景，如基于的本地知识问答系统、医学领域的大模型高效微调、站舆情分析智能体（）等。这些项目紧贴实际需求，解析了模型调用、知识增强、任务规划、前后端集成等关键环节，既展示了大模型在不同行业的应用潜力，也为读者提供了可复用、可扩展的开发参考。
作者简介
吴昊天：九天（站），现为赋范空间北京科技有限公司创始人，同时兼任首席技术官大模型产研中心负责人。主导并研发包括数据分析、机器学习、深度学习、大模型等爆款口碑体系课程，累计名用户参与课程学习。同时在年创立了大模型公益社区——赋范大模型技术社区，目前社区已有成员，超过人次学习。陈志鹏：木羽（站），赋范空间大模型技术专家，全网粉丝，视频播放。前国网高级算法工程师，年技术从业经历，技术栈主要包括开发、机器学习、自然语言处理以及大模型，也是国内首批大模型工程师。现任赋范空间（北京）科技有限公司大模型技术负责人，以及赋范大模型社区共建人。王钰：王钰，中国传媒大学在读博士生，在机器学习、深度学习以及大模型领域具有扎实的理论基础和丰富的实践经验。对大模型的原理、训练优化及实际应用有深刻理解，并进行了大量的实践尝试。曾参与多项数据分析项目，产出多份高质量的数据分析报告，为企业和学术机构提供数据驱动的解决方案。
目录
目录
第章 大模型 基础
发展历程
从人工智能到现代
发展路径
的应用
大模型 的核心概念
什么是大模型
的核心组成部分
在 中的作用
主流 开发框架介绍
低代码开发框架
基础框架
代码框架 目录第章 大模型 基础 发展历程 从人工智能到现代 发展路径 的应用 大模型 的核心概念 什么是大模型 的核心组成部分 在 中的作用 主流 开发框架介绍 低代码开发框架 基础框架 代码框架 框架 附加资源 第章 大模型基础与部署调用 主流大模型发展概览 全球主流在线大模型 全球主流开源大模型 国内主流大模型 在线大模型 调用入门 在线大模型 获取指南 在线大模型 调用基本方法 在线大模型 核心参数详解 本地大模型部署及使用 本地大模型部署需求概览 本地大模型部署通用步骤 大模型本地部署指南 大模型本地部署指南 第三方集成部署工具 附加资源 第章 安装部署与 调用流程 对话大模型 模型介绍 模型 调用 模型核心参数详解 模型本地部署与调用 打造专属聊天机器人：接入 推理大模型 模型介绍 模型 调用 模型参数详解 基础开发应用 模型本地部署与调用 第三方工具集成部署 系列模型 部署方案 部署方案 部署方案 部署方案 附加资源 第章 基于本地知识库的 技术体系介绍 简介 系统的核心组成模块 文本向量化模块创建 文档加载与切分模块创建 词向量数据库与向量检索模块 大模型问答模块编写 完整流程演示 项目介绍 传统 技术实现流程与技术瓶颈 技术方案的提出背景 项目介绍及核心特点 整体流程介绍 安装部署与调用 安装与项目创建 索引过程执行 查看知识图谱相关表格 问答流程实现 中知识图谱可视化方法 第章 应用实战 与 本地部署流程实战 基础环境搭建 下载模型文件 借助 调用本地大模型 构建 检索项目 修改 源码以适配 将 接入微软 企业知识库问答实战 与 安装与项目创建 索引过程执行 问答流程 导入核心模块与关系组 设置模型参数 构建 搜索引擎并进行问答 构建 搜索引擎并进行问答 本地知识库问答 主流大模型 对话开源框架概览 模型本地部署 安装与使用 借助 执行本地知识库问答流程 接入 进行本地知识库问答 附加资源 第章 大模型微调实战 大模型微调基础 大模型为什么需要微调 微调基础概念介绍 高效微调的应用场景 主流微调工具介绍 模型微调的硬件要求与服务器环境配置 大模型微调实战 项目介绍与安装 基于 模型的自我意识微调流程 微调数据集的创建过程 微调脚本的创建与运行 微调权重合并与性能测试 高效微调 安装部署 安装与注册 模型下载 下载推理模型微调数据集 借助 进行模型推理 带入问答模板进行回答 原始模型的医疗问题问答 模型微调最小可行性实验 完整高效微调实验 附加资源 第章 大模型 开发 从 到 构建 在线 调用流程 的整体架构及接入 模型 使用 创建工具库 使用 创建 实现复杂 聊天机器人 基本概念入门 基于 实现 的集成 实现复杂 聊天机器人 附加资源 第章 企业级 开发实战 站动态数据舆情分析智能体开发实战—— 项目介绍 应用开发框架整体介绍 中的高阶 构建 基于 快速接入大模型 站 项目使用及实时数据处理 数据转化器构建及基本 流程封装 构建第一个 生成链 链路 大高阶优化方法 到 的平滑过渡 构建 的底层原理 从源码角度解析 中的节点、边和循环图 基于 框架构建项目工作流 与 集成实现 使用 构建 前端用户界面 附加资源
前言
前言
伴随着大语言模型（）技术的飞速发展，人工智能正迈入以 为核心的新阶段。大模型的应用不再局限于被动响应的问答引擎，而是逐渐演变为具备感知、思考、决策和行动能力的自主系统。 正在成为各类应用中解决复杂任务、实现人机协同的关键技术路径，被广泛应用于企业客服、数据分析、代码编写、智能搜索等领域。
本书从大模型的部署与调用出发，逐步深入讲解 的构建方法与应用流程，旨在为读者提供一个系统且实用的 开发全景指南。本书系统地介绍大模型的本地部署与在线 调用流程，随后深入探讨 （检索增强生成）机制的实际开发方法，并详细展示当前主流的高效微调策略， 以优化模型性能。此外， 书中还聚焦 、 等具备高度生态支持的 开发框架，讲解如何以模块化方式构建具备任务规划、工具调用、状态管理能力的 工作流。最后，本书以 系列模型为核心支撑，结合企业级项目案例，完整展现大模型 的全流程开发路径。
本书为每章内容均配备了结构清晰、可运行的代码实现，读者可在本地环境中轻松复现并进行扩展。通过本书的学习，读者将全面理解大模型 的关键机制，掌握搭建、优化和部署 系统的能力，并能够将其应用于更广泛的实际任务中。前言伴随着大语言模型（）技术的飞速发展，人工智能正迈入以 为核心的新阶段。大模型的应用不再局限于被动响应的问答引擎，而是逐渐演变为具备感知、思考、决策和行动能力的自主系统。 正在成为各类应用中解决复杂任务、实现人机协同的关键技术路径，被广泛应用于企业客服、数据分析、代码编写、智能搜索等领域。本书从大模型的部署与调用出发，逐步深入讲解 的构建方法与应用流程，旨在为读者提供一个系统且实用的 开发全景指南。本书系统地介绍大模型的本地部署与在线 调用流程，随后深入探讨 （检索增强生成）机制的实际开发方法，并详细展示当前主流的高效微调策略， 以优化模型性能。此外， 书中还聚焦 、 等具备高度生态支持的 开发框架，讲解如何以模块化方式构建具备任务规划、工具调用、状态管理能力的 工作流。最后，本书以 系列模型为核心支撑，结合企业级项目案例，完整展现大模型 的全流程开发路径。本书为每章内容均配备了结构清晰、可运行的代码实现，读者可在本地环境中轻松复现并进行扩展。通过本书的学习，读者将全面理解大模型 的关键机制，掌握搭建、优化和部署 系统的能力，并能够将其应用于更广泛的实际任务中。本书内容本书围绕“大模型 ”这一核心技术主线展开，由浅入深、由基础到实战，详细地介绍了从模型部署、知识增强、微调优化到 构建与企业级应用的全流程。本书共分为 章，具体内容如下。第 章：大模型 基础该章介绍 的发展历程、核心概念与系统结构，梳理当前主流的 开发框架类型，为后续章节奠定理论基础。第 章：大模型基础与部署调用该章全面概览当前主流大模型的发展格局，区分在线调用与本地部署两种常见接入方式，内容包括 使用方法、本地化部署步骤及第三方部署工具，为实际开发做好模型能力准备。第 章： 安装部署与 调用流程该章聚焦 系列模型，系统介绍 与 两大分支的使用方法，包括 接入、本地推理、 功能，以及如何通过第三方工具（如 、）进行模型的部署与落地应用。第 章：基于本地知识库的 该章系统讲解 技术体系，涵盖文本向量化、文档切分、向量检索、知识图谱构建等模块，并引入 架构以提升问答系统的推理与语义理解水平。第 章： 应用实战该章提供多个完整的 落地项目案例，结合 模型与 工程框架，分别实现本地模型问答、企业知识库接入以及多检索场景（如 与 ）的集成方案。第 章：大模型微调实战该章详细讲解大模型高效微调方法，并通过 和 的微调案例，使读者深入理解从数据准备、实验设计到完整训练的全过程。第 章：大模型 开发该章围绕 与 框架，讲解如何构建具备工具调用、多轮交互与任务调度能力的 ，结合 模型完成从语言模型调用到 任务链搭建的综合实践。第 章：企业级 开发实战该章聚焦企业级应用，引领读者开发了一个综合性项目案例—（ 站舆情分析智能体）。内容涵盖实时数据接入、 链路优化、 工作流构建、前后端集成等关键模块，展示了完整的工程化开发流程。本书特点体系完整。本书涵盖大模型 开发的全流程，从模型部署、、模型微调，到 系统构建与企业级应用，每一章既可以独立成篇，又前后衔接，帮助读者系统性地掌握 开发从原理到实战的完整技术路径。项目驱动。全书精选多个典型实战项目，包括基于原生模型的多轮对话系统、 问答系统、微调优化流程、 舆情分析智能体等。所有项目均基于真实应用场景设计，紧贴前沿需求，强化读者的工程落地能力。技术实用。本书所采用的框架与工具，如 、、、、、 等，均为当前大模型 开发中主流且稳定的开源方案，具备较强的实战性与适配性，读者可在项目开发中直接复用。结构清晰。本书实战项目按照“应用背景技术选型环境部署核心模块开发项目运行演示”的流程展开讲解，使读者能够清楚理解实际项目的开发逻辑与实现过程，提升学习效率与开发信心。学习资源丰富。本书为每个项目提供了完整可运行的源代码和学习视频，读者能够更加轻松地搭建、运行、使用项目，以最快速度提升自身的开发能力。读者对象：人工智能开发者； 和 技术爱好者；从事 系统开发的工程师；大模型相关课程的教师；企业智能化转型的研发人员；希望构建企业级 的产品经理；参加毕业设计的学生；大模型创业团队的核心技术人员。资源与服务本书提供了大量的辅助学习资源，还提供了专业的知识拓展与答疑服务，旨在帮助读者提高学习效率并解决学习过程中遇到的各种疑难问题。项目精讲视频。关注微信公众号“赋范空间”，回复关键词“实践”，即可获取本书配套的全套项目精讲视频与完整源码文件。每个项目均提供精细拆解，覆盖环境配置、模块结构、功能实现等多个维度，便于读者边学边练。读者可扫描二维码，立即开始学习。项目源码。本书配套项目均提供完整源代码，确保读者可以顺利复现开发流程。相关源码可通过公众号链接获取。本书中各项目案例所涉及的网站链接、操作指南、开源项目地址等资源，均已统一整理并附在每章最后一节的“附加资源”中。读者可根据学习需要，查阅对应章节，按需获取相关网址和材料，方便查找与使用。学习答疑群。为更好地服务读者，我们建立了配套学习交流群，定期提供技术问答与经验分享。加入方式请见公众号公告。持续更新与拓展内容。本书相关内容将持续在“赋范空间”公众号平台发布扩展文章，包括模型版本更新说明、 案例升级、开源工具推荐等，以帮助读者紧跟大模型生态发展。