Generative AI with Python: The Developer’s Guide to Pretrained LLMs, Vector Databases, Retrieval Augmented Generation, and Agentic Systems

《Python 构建生成式 AI 应用实战指南》

——掌握从基础模型到 RAG、Agent 与部署的全栈技能

📘 

内容简介

这是一本为开发者量身打造的实战指南，帮助你全面掌握使用 Python 构建生成式 AI 应用的关键技术。从生成式 AI 基础、NLP 与大语言模型（LLMs/LMMs）出发，你将逐步掌握使用 Hugging Face 预训练模型、集成 OpenAI 接口、构建 LangChain 工作流等核心技能。

书中详细讲解如何进行 向量数据库集成 与 检索增强生成（RAG），还将引导你探索当下热门的 Agentic 系统（如 crewAI、AutoGen），并指导你将 AI 应用成功部署到生产环境中。无论你是 AI 初学者还是希望系统掌握 LLM 应用栈的开发者，这本书都将是你迈向 AI 专业技能的坚实一步。

🔍 

核心知识点一览

1. 自然语言处理（NLP）模型
   • 语言建模基础、Transformer 架构、Tokenization 与语义理解
2. 大语言模型（LLMs）与多模态模型（LMMs）
   • ChatGPT、GPT-4、Claude、Gemini 等架构特性
   • 多模态输入输出的基本原理
3. 预训练模型使用（Hugging Face）
   • 加载与微调 BERT、T5、LLaMA、Mistral 等模型
   • 使用 transformers 和 datasets 库
4. 提示工程（Prompt Engineering）
   • 零样本、少样本提示技巧
   • Chain of Thought、ReAct 等高级提示模式
5. 向量数据库（Vector DBs）
   • 使用 ChromaDB、Pinecone、Weaviate、FAISS 存储语义向量
   • 文本嵌入生成与检索策略
6. 检索增强生成（RAG）架构
   • 文档加载、嵌入、存储、查询与上下文注入
   • 搭建端到端 RAG 流程
7. Agentic 系统开发
   • 介绍 crewAI、AutoGen 等 Agent 框架
   • 多代理协作（Multi-agent cooperation）与工具调用
8. OpenAI 接入与应用
   • 使用 openai Python SDK 调用 GPT 模型
   • 构建基于 OpenAI 的对话式应用或代码助手
9. LangChain 框架实战
   • Chains、Agents、Tools、Memory 模块讲解
   • 构建模块化、多步骤 AI 任务处理流程
10. 使用 Hugging Face Hub
    • 模型托管、部署与 Inference API 集成
11. crewAI 系统构建
    • 构建有角色分工的智能代理团队（AI agents）
    • Task、Agent、Crew 等核心概念详解
12. AutoGen 高级自动化框架
    • 多代理之间的动态对话与任务分派
    • 与 LangChain 和 OpenAI 的协同使用方式

👤 

适合读者

• 希望从 0 到 1 构建 LLM 应用的 Python 开发者
• 已了解生成式 AI 概念，希望进入实战构建阶段的工程师
• AI 初创项目构建者、研究者或技术架构师
• 对 LangChain、RAG、Agent 系统感兴趣的高阶 AI 实践者