本书应该是涵盖了入门大模型应用开发的最少必要知识：提示工程、微调、LangChain 等等都有所介绍，之后再进行深入学习时看到这些曾经陌生的名词至少心里不慌了。书中介绍的一些简单的应用场景也可以让我们可以借鉴和发散，跑完一些示例代码就会意识到：大模型对于自然语言的理解真的极大地扩展了程序可处理问题的边界，我们完全可以将大模型作为自然语言和结构化数据的桥梁，使得程序不只能处理结构化的数据，还能处理千变万化的自然语言。
有一定Python基础和API接口调用知识读起来会更顺畅。 如果完全小白，里面的专有名词挺多的，你需要学会只听懂A-B-C之间的关系，但不要深究为什么A-B之间的关系形成的原因。 作为一门入门书，而且是国内翻译过来的，我个人认为目前是最好的，没有之一！ 结构清晰，而且阅读难度曲线基本是趋近于y=0。 大模型的原理简单来说就是根据你的提问，他会根据模型的算法将你的提问的句子拆成词汇，然后计算整个句子最关健的关键词，然后回答你关于该关键词最高概率的下一个词。所以答案和正确率无关，只和模型的训练使用的数据集中的词汇概率相关。 后面还有讲怎么微调，调用其它api等等，新手入门完全?够用了！
推荐。本书把几个主题很简要的做了说明：LLM、提示词、langChain、插件。讲的不深，起到了一个介绍入门的作用。作为一本介绍性的书籍是不错的。比看网上的文章要成体系。 看这本书需要具备几个基础：1、有python的语言基础；2、了解一些向量数据库、json等常用的编程内容。它是写给程序员看的，这点很重要，如果没有编程基础，不要看这本书，会不好理解。 不足： 1、排版要吐槽，特别是源码部分，换行不换行是真不走心啊，import部分，换行乱的一塌糊涂。拷贝粘贴出来做笔记也是乱。 2、源码如果是几个部分，原文叙述就不好理解，这个是作者的问题，举例之前没有结构，看后面的得翻回前面去看。注释也实在写的不怎么样。 3、一些词翻译的摸不着北，“智能体”都不知道什么鬼，查了一下是“Agent”。“智能体（Agent）”这不就好了吗，真是要吐槽。 好吧，总得来说，瑕不掩瑜，作为初学者入门这本书不错。花一天时间，可以对整个大模型应用开发入门。标题倒没有起错。
很不错的大模型应用开发入门书，语言简练，内容完整。虽然本书是针对GPT4和ChatGPT的，但其讲解的开发模式也适用于各种国产的LLM。由于小型组织和个人几乎不可能从头训练LLM来构建AI应用，基于预训练LLM和精调的垂直应用，以及以LLM为智能基座的智能体和插件开发将成为AI时代各种应用开发的主流。因此，通过本书入门基于LLM的应用是非常必要和合乎时代潮流的。
这是快速入门的一本比较好的书。由于中文翻译10年之后的原因，中文作者还特别添加了一些备注，将2023年年底的一些最新变化添加了进去。当然看了这本书，实际上还是没办法进行实际上的开发和实验。需要结合官方文档和其他更深入的数来学习。
一般般，大概6.5分。现在挂名GPT的书看来大概差不多都是这个质量区间。 知道了一些原来不了解的概念∶注意力机制，LangChain等。但是也仅限于了解，书本身没太讲清楚。 再一个就是里面有个讲知识库的例子还不错，其他就都比较蜻蜓点水了。 有一些代码基础，对GPT不了解的朋友可以快速浏览下。
AI领域进展尽快，阅读材料层出不穷。新书《大模型应用开发极简入门（基于GPT-4和Chatgpt）》值得反复翻。原作写作时间是2023，翻译把信息批注更新到2023.12，2024.3出版。 What：在工程师的角度写的，“只讲你需要知道的理论”——什么是生成是AI和大语言模型，大语言模型能做什么，有什么应用场景，局限是什么。搭配《这就是chatgpt》(Wolfman写的极好的理论书）食用理解得更深。解决很多常见的对应用场景的疑惑。 How：如何写提示词，如何调用API。每个小例子都有相应代码包可以自己试，从趋势来看我对LongChain+插件API的应用更感兴趣。 Do：去玩AI！
10/10 理由： 图文并茂，行文通俗且严谨，严谨到就算不看论文原文，不用怎么查ChatGPT也能够大致理解模型微调理论的程度。 书中的理论对于ChatGPT开发者来说，作者拿捏的这个程度刚刚好。 话又说回来，要看懂细节的推理还是需要一点点NLP和深度学习经验的。 总之十分推荐。
虽然说是极简入门，但对于我这种非AI从业者还是挺有难度的！ 花了一周读完基本也算小小理解了下吧，别人提到GPT心里没那么恐惧。本书的操作实践比较强，现在我也止于理解下原理和名词。langchain框架确实很想操作一下。。
作为一名医学博士，很久没有真正阅读一本技术类书籍。该书的确简明扼要的了解了LLM相关的主要概念，通过案例和代码，尤其是GPT在技术视角的多个应用。也回过头来看这一年的项目进展，发现已经看山不是山，看山又是山的感觉。尤其很感谢译者的备注，LLM演变发展太快了，的确一些新知识和术语的变化，需要及时补充。
名字里极简入门(小册)很到位，这个确实非常适用于有一定经验的编程者，逐步拆解基于 AI 进行开发的思路，然后清晰地由浅入深讲解涉及 AI 的几个，重要概念。 对首次接触 AI ，或者只有一些懵懂了解的人提供很好的借鉴作用。 当然，根据书中所说的一样，AI 的技术在极速迭代，要自己根据现有知识继续进行扩展学习。 对我来说，好评。
基本就是openai、langchain的官方文档说明，确实是极简入门。建议快速过一遍，然后直接看官方文档+动手实践，掌握会更全面。
沙发，开心，等看完再写评论，这本也算小名著了
主要用于帮助自己对大模型有个概念，还有理清学习思路。 技术更新太快了，里面的很多代码和模型openai都已经弃用了所以用不上了。对于代码不要抱太多希望，还是得结合openai官方文档看。
讲的挺好的，快速入门，对于听说过没见过gpt的人来说是一个很好的选择。唯一美中不足的是示例代码已经过时，需要对照官方文档或者github仓库上的最新分支
本书应该是涵盖了入门大模型应用开发的最少必要知识：提示工程、微调、LangChain 等等都有所介绍，之后再进行深入学习时看到这些曾经陌生的名词至少心里不慌了。书中介绍的一些简单的应用场景也可以让我们可以借鉴和发散，跑完一些示例代码就会意识到：大模型对于自然语言的理解真的极大地扩展了程序可处理问题的边界，我们完全可以将大模型作为自然语言和结构化数据的桥梁，使得程序不只能处理结构化的数据，还能处理千变万化的自然语言。
有一定Python基础和API接口调用知识读起来会更顺畅。 如果完全小白，里面的专有名词挺多的，你需要学会只听懂A-B-C之间的关系，但不要深究为什么A-B之间的关系形成的原因。 作为一门入门书，而且是国内翻译过来的，我个人认为目前是最好的，没有之一！ 结构清晰，而且阅读难度曲线基本是趋近于y=0。 大模型的原理简单来说就是根据你的提问，他会根据模型的算法将你的提问的句子拆成词汇，然后计算整个句子最关健的关键词，然后回答你关于该关键词最高概率的下一个词。所以答案和正确率无关，只和模型的训练使用的数据集中的词汇概率相关。 后面还有讲怎么微调，调用其它api等等，新手入门完全?够用了！
推荐。本书把几个主题很简要的做了说明：LLM、提示词、langChain、插件。讲的不深，起到了一个介绍入门的作用。作为一本介绍性的书籍是不错的。比看网上的文章要成体系。 看这本书需要具备几个基础：1、有python的语言基础；2、了解一些向量数据库、json等常用的编程内容。它是写给程序员看的，这点很重要，如果没有编程基础，不要看这本书，会不好理解。 不足： 1、排版要吐槽，特别是源码部分，换行不换行是真不走心啊，import部分，换行乱的一塌糊涂。拷贝粘贴出来做笔记也是乱。 2、源码如果是几个部分，原文叙述就不好理解，这个是作者的问题，举例之前没有结构，看后面的得翻回前面去看。注释也实在写的不怎么样。 3、一些词翻译的摸不着北，“智能体”都不知道什么鬼，查了一下是“Agent”。“智能体（Agent）”这不就好了吗，真是要吐槽。 好吧，总得来说，瑕不掩瑜，作为初学者入门这本书不错。花一天时间，可以对整个大模型应用开发入门。标题倒没有起错。
很不错的大模型应用开发入门书，语言简练，内容完整。虽然本书是针对GPT4和ChatGPT的，但其讲解的开发模式也适用于各种国产的LLM。由于小型组织和个人几乎不可能从头训练LLM来构建AI应用，基于预训练LLM和精调的垂直应用，以及以LLM为智能基座的智能体和插件开发将成为AI时代各种应用开发的主流。因此，通过本书入门基于LLM的应用是非常必要和合乎时代潮流的。
这是快速入门的一本比较好的书。由于中文翻译10年之后的原因，中文作者还特别添加了一些备注，将2023年年底的一些最新变化添加了进去。当然看了这本书，实际上还是没办法进行实际上的开发和实验。需要结合官方文档和其他更深入的数来学习。
一般般，大概6.5分。现在挂名GPT的书看来大概差不多都是这个质量区间。 知道了一些原来不了解的概念∶注意力机制，LangChain等。但是也仅限于了解，书本身没太讲清楚。 再一个就是里面有个讲知识库的例子还不错，其他就都比较蜻蜓点水了。 有一些代码基础，对GPT不了解的朋友可以快速浏览下。
AI领域进展尽快，阅读材料层出不穷。新书《大模型应用开发极简入门（基于GPT-4和Chatgpt）》值得反复翻。原作写作时间是2023，翻译把信息批注更新到2023.12，2024.3出版。 What：在工程师的角度写的，“只讲你需要知道的理论”——什么是生成是AI和大语言模型，大语言模型能做什么，有什么应用场景，局限是什么。搭配《这就是chatgpt》(Wolfman写的极好的理论书）食用理解得更深。解决很多常见的对应用场景的疑惑。 How：如何写提示词，如何调用API。每个小例子都有相应代码包可以自己试，从趋势来看我对LongChain+插件API的应用更感兴趣。 Do：去玩AI！
10/10 理由： 图文并茂，行文通俗且严谨，严谨到就算不看论文原文，不用怎么查ChatGPT也能够大致理解模型微调理论的程度。 书中的理论对于ChatGPT开发者来说，作者拿捏的这个程度刚刚好。 话又说回来，要看懂细节的推理还是需要一点点NLP和深度学习经验的。 总之十分推荐。
虽然说是极简入门，但对于我这种非AI从业者还是挺有难度的！ 花了一周读完基本也算小小理解了下吧，别人提到GPT心里没那么恐惧。本书的操作实践比较强，现在我也止于理解下原理和名词。langchain框架确实很想操作一下。。
作为一名医学博士，很久没有真正阅读一本技术类书籍。该书的确简明扼要的了解了LLM相关的主要概念，通过案例和代码，尤其是GPT在技术视角的多个应用。也回过头来看这一年的项目进展，发现已经看山不是山，看山又是山的感觉。尤其很感谢译者的备注，LLM演变发展太快了，的确一些新知识和术语的变化，需要及时补充。
名字里极简入门(小册)很到位，这个确实非常适用于有一定经验的编程者，逐步拆解基于 AI 进行开发的思路，然后清晰地由浅入深讲解涉及 AI 的几个，重要概念。 对首次接触 AI ，或者只有一些懵懂了解的人提供很好的借鉴作用。 当然，根据书中所说的一样，AI 的技术在极速迭代，要自己根据现有知识继续进行扩展学习。 对我来说，好评。
基本就是openai、langchain的官方文档说明，确实是极简入门。建议快速过一遍，然后直接看官方文档+动手实践，掌握会更全面。
沙发，开心，等看完再写评论，这本也算小名著了
主要用于帮助自己对大模型有个概念，还有理清学习思路。 技术更新太快了，里面的很多代码和模型openai都已经弃用了所以用不上了。对于代码不要抱太多希望，还是得结合openai官方文档看。
讲的挺好的，快速入门，对于听说过没见过gpt的人来说是一个很好的选择。唯一美中不足的是示例代码已经过时，需要对照官方文档或者github仓库上的最新分支