图书前言

前言

当下,大语言模型(Large Language Model,LLM)技术的发展如火如荼,各行各业都在使用类似ChatGTP的LLM工具来提高工作效率。可以说,LLM是目前AI世界中热门的应用领域之一,代表未来很长一段的技术应用方向。

但是,对于LLM的应用很多还只是停留在简单的访问ChatGPT这样的聊天语言模型上,无法将LLM的力量和日常工作紧密结合起来。当面对企业内部的各种信息时,开发者需要提炼这些信息,并采用合适的媒介对其进行存储,进而构建自定义的、具有高度灵活性的智能化人机交互机制。这就需要应用到与LLM相关的一组模型和技术组件,包括文本和文档处理、图像处理、嵌入模型、向量数据库等。如何将这些组件和LLM模型集成起来构建企业级的应用系统,一方面需要对主流的开发框架有足够的了解,另一方面也需要能够结合具体的业务场景给出设计和实现方案,从而确保LLM能够落地,真正做到技术融合业务。

本书主要内容

本书可视为一本案例驱动的大语言模型应用开发指南,非常适合具备一定Java语言基础的读者学习。读者可以在短时间内掌握大语言模型应用的开发过程,并基于现实中的业务场景设计并实现符合用户真实需求的应用系统,获取大语言模型应用开发所需的即插即用的案例代码和最佳实践。

全书分为三大部分,共有9章。

第一部分基础知识,包括第1~4章。第1章大语言模型应用开发生态,包括大语言模型应用模式、大语言模型集成开发框架。第2章构建聊天语言模型,包括实现提示工程、掌握聊天模型交互过程、构建聊天语言模型、构建AI服务。第3章定制化聊天语言模型,包括嵌入聊天记忆、定制聊天逻辑、控制模型输出。第4章多模态应用模式,包括文本加工、图像处理。

第二部分案例实践,包括第5~8章。第5章基于LLM构建RAG文档聊天系统,包括RAG文档聊天系统设计、实现文档处理、构建文本嵌入和检索、实现RAG文档聊天系统、应用RAG高级组件。第6章基于LLM实现智能客服助手,包括智能客服助手设计、集成LangChain4j和Spring Boot、智能客服助手实现。第7章基于LLM实现用户留言分析平台,包括用户留言分析平台设计、集成LangChain4j和Quarkus、实现用户留言分析和存储、实现聊天交互。第8章基于LLM构建知识库系统,包括知识库系统设计、知识存储的实现、知识检索的实现。

第三部分原理解析,包括第9章。第9章大语言模型开发框架原理解析,包括架构扩展性设计解析、聊天模型实现原理解析、检索增强实现原理解析、系统集成解析。

本书特色

(1) 热点主题。

大语言模型的应用落地是当前AI领域的热点。本书是一本介绍大语言模型应用开发的原创书籍,涵盖了这一领域的各个主题,包括大语言模型的核心概念、应用场景、开发模式、技术组件以及工程实践方案。

(2) 内容创新。

本书是业界第一本专门介绍LangChain4j这款主流大语言模型应用开发框架的技术书籍,具有较强的内容创新性。全书会介绍LangChain4j框架的整体架构以及各个核心技术组件。更为重要的,我们会详细给出这些技术组件的应用方式和最佳实践。

(3) 案例驱动。

本书是一本完全以业务场景和案例驱动的实践类书籍,全书有一半以上篇幅会从零开始介绍4个完整的大语言模型应用案例,并提供了详细的设计方案和即插即用的示例代码。

(4) 原理解析。

本书针对LangChain4j框架的架构设计、聊天模型、检索增强以及系统集成等主题进行了底层原理分析,并给出了源码级的深入剖析,以便读者能够在掌握框架基本应用方式的基础上进一步理解大语言模型应用的实现原理。

配套资源

为便于教与学,本书配有微课视频、源代码、教学课件。

(1) 获取微课视频的方式: 先刮开并用手机版微信App扫描本书封底的文泉云盘防盗码,授权后再扫描书中相应的视频二维码,观看教学视频。

(2) 获取源代码的方式: 先刮开并用手机版微信App扫描本书封底的文泉云盘防盗码,授权后再扫描下方二维码,即可获取。

源代码

全书网址

(3) 其他配套资源可以扫描本书封底的“书圈”二维码,关注后回复本书书号,即可下载。

读者对象

本书主要面向掌握一定Java语言基础、对大语言模型应用开发有兴趣或有实际需求的专业人员,或高等学校在读的相关专业学生及相关领域的广大技术人员。

在编写本书的过程中,作者参考了诸多相关资料,在此对相关资料的作者表示衷心的感谢。限于个人水平和时间仓促,书中难免存在疏漏之处,欢迎广大读者批评指正。

作者

2026年8月