目录
第一部分基 础 知 识
第1章大语言模型应用开发生态
1.1大语言模型应用模式
1.1.1对话系统模式
1.1.2多模态模式
1.1.3检索增强生成模式
1.2大语言模型集成开发框架
1.2.1集成开发框架概述
1.2.2LangChain4j基本架构
1.2.3LangChain4j开发模式
第2章构建聊天语言模型
2.1实现提示工程
2.1.1提示工程基本概念
2.1.2提示词的分类
2.1.3提示词模板
2.2掌握聊天模型交互过程
2.2.1模型的封装过程
2.2.2模型的创建过程
2.2.3LangChain4j中的模型
2.3构建聊天语言模型
2.3.1掌握ChatMessage类型
2.3.2使用ChatLanguageModel
2.4构建AI服务
2.4.1构建AI服务概述
2.4.2集成聊天消息
第3章定制化聊天语言模型
3.1嵌入聊天记忆
3.1.1模型的状态性和聊天记忆机制
3.1.2ChatMemory类型和使用方法
3.1.3ChatMemory持久化
3.2定制聊天逻辑
3.2.1引入Tool组件
3.2.2Tool的使用方法
3.2.3整合Tool和ChatMemory
3.3控制模型输出
3.3.1控制聊天过程
3.3.2响应结果和OutputParser
第4章多模态应用模式
4.1文本加工
4.1.1结构化数据提取
4.1.2文本分类
4.2图像处理
4.2.1图像生成
4.2.2图像解析
4.2.3图像模型集成
第二部分案 例 实 践
第5章基于LLM构建RAG文档聊天系统
5.1RAG文档聊天系统设计
5.1.1RAG组成结构
5.1.2LangChain4j Easy RAG组件
5.2实现文档处理
5.2.1加载文档
5.2.2处理文本片段
5.3构建文本嵌入和检索
5.3.1嵌入模型
5.3.2嵌入存储
5.3.3内容检索
5.4实现RAG文档聊天系统
5.4.1基于RAG API创建聊天模型
5.4.2引入EmbeddingStoreIngestor优化RAG流程
5.5应用RAG高级组件
5.5.1RetrievalAugmentor架构
5.5.2查询压缩
5.5.3查询路由
5.5.4元数据注入和过滤
5.5.5检索跳过和合并
第6章基于LLM实现智能客服助手
6.1智能客服助手设计
6.1.1智能客服助手应用场景
6.1.2智能客服助手系统架构
6.2集成LangChain4j和Spring Boot
6.2.1LangChain4j Spring Boot Starter
6.2.2集成Spring Boot和聊天模型
6.3智能客服助手实现
6.3.1实现AI服务
6.3.2实现RAG
6.3.3实现数据库集成
6.3.4测试和验证
第7章基于LLM实现用户留言分析平台
7.1用户留言分析平台设计
7.1.1用户留言分析应用场景
7.1.2用户留言分析系统架构
7.2集成LangChain4j和Quarkus
7.2.1使用Quarkus LangChain4j集成聊天模型
7.2.2Quarkus LangChain4j高级特性
7.3实现用户留言分析和存储
7.3.1用户留言分析
7.3.2用户留言保存和查询
7.3.3整合用户留言分析和存储
7.4实现聊天交互
7.4.1构建聊天AI服务
7.4.2构建聊天WebSocket
7.4.3测试和验证
第8章基于LLM构建知识库系统
8.1知识库系统设计
8.1.1知识库系统应用场景
8.1.2知识库系统架构设计
8.2知识存储的实现
8.2.1关系数据库知识存储
8.2.2向量数据库知识存储
8.3知识检索的实现
8.3.1构建基础对话
8.3.2构建异步对话
8.3.3测试和验证
第三部分原 理 解 析
第9章大语言模型开发框架原理解析
9.1架构扩展性设计解析
9.1.1微内核架构和SPI机制
9.1.2LangChain4j SPI机制解析
9.1.3代码执行引擎
9.2聊天模型实现原理解析
9.2.1OpenAI的调用和封装
9.2.2ChatLanguageModel实现
9.2.3AI服务实现
9.3检索增强实现原理解析
9.3.1ContentRetriever的实现原理
9.3.2RetrievalAugmentor的实现原理
9.4系统集成解析
9.4.1模型集成
9.4.2RAG集成
