book

Ingeniería Prompt para la IA Generativa

by James Phoenix, Mike Taylor

August 2024

Intermediate to advanced

422 pages

11h 10m

Spanish

O'Reilly Media, Inc.

Book available

Read now

Unlock full access

Requisitos de software para este libroConvenciones utilizadas en este libroUtilizar ejemplos de códigoAprendizaje en línea O'ReillyCómo contactar con nosotrosAgradecimientos
Visión general de los cinco principios del estímulo1. Dar dirección2. Especifica el formato3. Proporciona ejemplos4. Evaluar la calidad5. Dividir el trabajoResumen
¿Qué son los modelos de generación de textos?Representaciones vectoriales: La esencia numérica del lenguajeArquitectura Transformadora: Orquestando Relaciones ContextualesGeneración Probabilística de Textos: El Mecanismo de DecisiónFundamentos históricos: El surgimiento de las arquitecturas de transformadoresTransformadores Preentrenados Generativos de OpenAIGPT-3.5-turbo y ChatGPTGPT-4Géminis de GoogleLa Llama de Meta y el Código AbiertoAprovechar la cuantificación y el LoRAMistralAntrópico: ClaudeGPT-4V(isión)Comparación de modelosResumen
Generar listasGeneración de listas jerárquicasCuándo evitar el uso de expresiones regularesGenerar JSONYAMLFiltrar cargas útiles YAMLManejo de cargas útiles no válidas en YAMLGeneración de Formatos Diversos con ChatGPTDatos CSV simuladosExplícalo como si tuviera cinco añosTraducción universal a través de los LLMPregunta por el contextoDesagregación de estilos de textoIdentificar las características textuales deseadasGenerar nuevos contenidos con las características extraídasExtraer rasgos textuales específicos con LLMsResumirResumir las Limitaciones de la Ventana de Contexto DadasAgrupar textoVentajas de fragmentar el textoEscenarios para fragmentar el textoMal ejemplo de fragmentaciónEstrategias de fragmentaciónDetección de frases con SpaCyConstruir un algoritmo de fragmentación simple en PythonVentana corredera ChunkingPaquetes de fragmentación de textoChunking de texto con TiktokenCodificacionesComprender la tokenización de cadenasEstimar el uso de tokens para las llamadas a la API de chatAnálisis de SentimientoTécnicas para mejorar el Análisis de SentimientoLimitaciones y retos del Análisis de SentimientoDe menos a másPlanificar la arquitecturaCodificación de funciones individualesAñadir pruebasVentajas de la técnica de menor a mayorDesafíos con la Técnica de Menor a MayorFunción PromptingVentajas del Role PromptingDesafíos del Role PromptingCuándo utilizar el Role PromptingTácticas de GPT PromptingEvitar las alucinaciones con referenciaDar a los GPT "tiempo para pensar"La táctica del monólogo interiorAutoevaluación LLM RespuestasClasificación con LLMConstruir un modelo de clasificaciónVoto mayoritario para la clasificaciónEvaluación de criteriosMetabúsquedaResumen
Introducción a LangChainConfiguración del entornoModelos de chatModelos de chat en streamingCrear múltiples generaciones de LLMPlantillas LangChain PromptLenguaje de Expresión LangChain (LCEL)Utilizar PromptTemplate con modelos de chatParsers de salidaPruebas LangChainLlamada a funciones OpenAILlamada a funciones paralelasLlamada a funciones en LangChainExtraer datos con LangChainPlanificación de consultasCrear plantillas de avisos de pocos disparosEjemplos de pocos disparos de longitud fijaFormatear los ejemplosSelección de Ejemplos de Pocos Tiros por LongitudLimitaciones con Ejemplos de Pocos TirosGuardar y cargar avisos LLMConexión de datosCargadores de documentosDivisores de textoDivisión del texto por longitud y tamaño de los tokensDivisión de texto con división recursiva de caracteresDescomposición de tareasEncadenamiento de avisosCadena secuencialitemgetter y extracción de claves de diccionarioEstructuración de las cadenas LCELCadenas de documentosCosasPerfeccionaMap ReducirMapa Re-rankResumen
Generación Aumentada de Recuperación (RAG)Presentación de las incrustacionesCarga de documentosRecuperación de la memoria con FAISSRAG con LangChainBases de datos vectoriales alojadas con PineconeAutoconsultaMecanismos alternativos de recuperaciónResumen
Cadena de pensamientoAgentesRazona y Actúa (ReAct)Razón y Aplicación de la LeyUtilizar herramientasUtilizar los LLM como API (Funciones OpenAI)Comparación de las funciones de OpenAI y ReActCasos de uso de las funciones de OpenAIReActCasos prácticos de ReActHerramientas para agentesPersonalizar Agentes EstándarAgentes de aduanas en LCELComprender y utilizar la memoriaMemoria a largo plazoMemoria a corto plazoLa Memoria a Corto Plazo en los Agentes de Conversación de la GCMemoria en LangChainPreservar el EstadoConsulta al EstadoMemoriaBufferConversaciónOtros tipos de memoria populares en LangChainMemoria de la ventana de conversaciónMemoriaResumenConversaciónMemoriaBufferResumenConversaciónConversationTokenBufferMemoryAgente de Funciones OpenAI con MemoriaMarcos de agentes avanzadosAgentes de Planificar y EjecutarÁrbol de los pensamientosDevoluciones de llamadaLlamadas de retorno globales (constructor)Devoluciones de llamada específicas de la solicitudEl argumento verborreico¿Cuándo utilizar Which?Recuento de fichas con LangChainResumen
OpenAI DALL-EA mitad del viajeDifusión estableGoogle GéminisTexto a vídeoComparación de modelosResumen
Modificadores de formatoModificadores de Estilo ArtísticoIngeniería inversa PromptsPotenciadores de la calidadSugerencias negativasTérminos ponderadosPreguntar con una imagenPintandoPintandoPersonajes coherentesReescritura de instruccionesDesagregación de memesMapeo de memesPrompt AnálisisResumen
Ejecutar la difusión estableAUTOMATIC1111 Interfaz Web de UsuarioImg2ImgAumentar la escala de las imágenesInterrogar CLIPRepintado y Repintado SDControlNetModelo de todo por segmentos (SAM)Ajuste de DreamBoothRefinador XL de difusión estableResumen

Redacción de blogs sobre IATema InvestigaciónEntrevista a un expertoGenerar esquemaGeneración de textoEstilo de escrituraOptimización del títuloAI Blog ImágenesInterfaz de usuarioResumen