「本書由兩位頂尖實踐者執筆，無論讀者程度如何，皆能從這一本必備指南中取得駕馭 LLM 的實用工具。」
Sudheer Chava，喬治亞理工學院金融服務創新實驗室主任、Alton M. Costley 講座教授

「本書深入探討現實 LLM 系統的棘手挑戰，並提供周全且務實的見解。」
Tomaso Aste，倫敦大學學院複雜科學教授

大型語言模型（LLM）徹底改變了自然語言處理流程，然而，當你在應用程式中部署它們時，也會面臨許多技術挑戰。本書清楚且務實地剖析了開發者與 AI 工程師建構 LLM 應用程式時面臨的難關。本書聚焦於實作陷阱，而非僅談論功能，並透過可重現的 Python 程式碼與開源工具來提供立即可用的策略。

本指南專為開發者與技術產品主管而寫，提供解決現實問題的方法，幫助讀者理解 LLM 的限制與取捨，進而突破應用程式評估、輸入管理、測試、安全…等關鍵障礙。

• 為非確定性系統設計測試策略與評估策略
• 管理脈絡、RAG 與長脈絡檢索
• 處理輸出不一致與結構不可靠的問題
• 建構安全與內容審核框架
• 探討校準挑戰與緩解方法
• 在本機上運用開源模型

作者簡介：

Thársis T. P. Souza 是電腦科學家、作家，也是專門研發 AI 驅動產品的產品主管。他曾經在華爾街多家大型避險基金，以及矽谷新創公司擔任產品主管，並擁有倫敦大學學院（UCL）電腦科學博士學位。

Jonathan K. Regenstein, Jr. 的職涯橫跨資料、機器學習、科技與資產管理領域。他是喬治亞理工學院金融服務創新實驗室研究員，也是多家新創 AI 公司的顧問，擁有哈佛大學學士學位與紐約大學法學院法學博士學位。agillity Sutdio

集合技術書籍資深譯者，以敏捷的節奏為讀者轉譯第一手技術新知，在縮短知識時差的同時，力求文字準確度與閱讀流暢感。譯作賜教：agilitystd@proton.me。

退換貨說明：

會員均享有10天的商品猶豫期（含例假日）。若您欲辦理退換貨，請於取得該商品10日內寄回。

辦理退換貨時，請保持商品全新狀態與完整包裝（商品本身、贈品、贈票、附件、內外包裝、保證書、隨貨文件等）一併寄回。若退回商品無法回復原狀者，可能影響退換貨權利之行使或須負擔部分費用。