第1章 垂直领域大模型概述

1.1 大模型基础知识

1.1.1 人工智能的发展历程

1.1.2 大模型概念及特点

1.1.3 大模型的分类

1.1.4 大模型的主要功能

1.2 通用大模型的能力边界

1.2.1 知识边界问题

1.2.2 知识滞后问题

1.2.3 幻觉问题

1.3 垂直领域大模型的构建需求

1.3.1 垂直领域大模型的概念

1.3.2 垂直领域大模型的特点及要求

1.3.3 通用大模型与垂直领域大模型的区别

1.4 垂直领域大模型的构建路径

1.5 垂直领域大模型的应用场景

1.5.1 医疗大模型

1.5.2 法律大模型

1.5.3 政务大模型

1.5.4 金融大模型

1.5.5 网络安全大模型

1.6 本章小结

思考题

练习题

第2章 提示工程

2.1 提示工程基础知识

2.1.1 提示词的定义

2.1.2 提示工程的定义

2.1.3 提示工程的原理

2.1.4 提示工程的特点与优势

2.2 提示工程的主要类型

2.2.1 直接提示

2.2.2 链式提示

2.2.3 生成类提示

2.2.4 图谱提示

2.2.5 集成式提示

2.3 垂直领域提示工程应用技巧

2.3.1 巧用领域术语指令

2.3.2 扮演领域特定角色

2.3.3 代入领域具体情景

2.3.4 合理归纳提问

2.3.5 善用思维链提示

2.3.6 结构化领域提示

2.3.7 谨防提示词攻击

2.4 提示工程面临的挑战与发展趋势

2.4.1 提示工程面临的挑战

2.4.2 提示工程的发展趋势

2.5 本章小结

思考题

练习题

第3章 大模型微调

3.1 大模型微调基础知识

3.1.1 大模型微调的基本概念

3.1.2 大模型微调技术发展历程

3.2 大模型微调核心理论

3.2.1 高维非凸优化

3.2.2 病态曲率分析

3.2.3 流形嵌入假说

3.2.4 损失景观的多尺度特性

3.2.5 微调技术价值

3.3 数据准备

3.3.1 数据准备的重要性

3.3.2 数据的来源与收集

3.3.3 数据预处理

3.4 全参数微调

3.4.1 节省外存方法

3.4.2 节省内存方法

3.4.3 全参数微调示例

3.5 部分参数微调

3.5.1 BitFit方法

3.5.2 Fish Mask方法

3.5.3 部分参数微调示例

3.6 新增参数微调

3.6.1 Adapter

3.6.2 LoRA

3.6.3 Prefix Tuning

3.6.4 Prompt Tuning

3.6.5 P-tuning

3.7 大模型微调策略

3.7.1 监督微调

3.7.2 强化学习微调

3.8 本章小结

思考题

练习题

第4章 检索增强生成

4.1 RAG基础知识

4.1.1 基本概念

4.1.2 技术架构

4.1.3 特点与优势

4.2 RAG核心流程

4.2.1 数据分块

4.2.2 向量化处理

4.2.3 检索策略与技术

4.2.4 重排技术

4.3 RAG应用技巧

4.3.1 向量数据库选型

4.3.2 开发框架集选型

4.3.3 评估指标及体系

4.4 RAG发展与挑战

4.4.1 RAG多功能拓展

4.4.2 RAG衍生与优化

4.4.3 RAG面临的挑战与发展趋势

4.5 基于RAG的网络安全大模型构建实例

4.5.1 基本框架

4.5.2 数据输入层

4.5.3 增强检索层

4.5.4 模型处理层

4.5.5 输出控制层

4.6 本章小结

思考题

练习题

第5章 AI Agent开发

5.1 AI Agent基础知识

5.1.1 Agent的基本概念

5.1.2 Agent的发展历程

5.1.3 Agent与大模型的关系

5.1.4 Agent能力评估

5.2 垂直领域AI Agent技术框架

5.2.1 3层主要结构

5.2.2 5个关键组件

5.2.3 7类典型认知框架

5.3 垂直领域AI Agent开发方法

5.3.1 Agent的开发流程

5.3.2 Agent的开发协议

5.3.3 Agent的开发模式

5.4 AI Agent趋势及挑战

5.4.1 AI Agent发展趋势

5.4.2 AI Agent面临的挑战

5.5 垂直领域AI Agent构建实例

5.5.1 基于零代码模式的AI Agent应用实例

5.5.2 基于代码模式的网络安全AI Agent构建实例

5.6 本章小结

思考题

练习题

第6章 大模型部署

6.1 本地部署

6.1.1 环境配置

6.1.2 框架配置

6.1.3 模型部署

6.1.4 模型使用

6.2 集群部署

6.2.1 环境准备

6.2.2 模型部署

6.3 云环境部署

6.3.1 环境准备

6.3.2 模型部署

6.3.3 云环境模型调试

6.4 国产化部署

6.4.1 环境安装

6.4.2 插件安装

6.4.3 容器部署

6.4.4 昇腾芯片配置

6.5 轻量化部署

6.5.1 模型蒸馏技术

6.5.2 模型量化技术

6.5.3 模型剪枝技术

6.6 模型调试与超参数调优

6.6.1 模型调试

6.6.2 超参数调优

6.7 本章小结

思考题

练习题

第7章 大模型运用规范

7.1 牢记安全保密

7.1.1 安全保密问题与挑战

7.1.2 安全保密措施与建议

7.2 遵循工程伦理

7.2.1 工程伦理问题与挑战

7.2.2 工程伦理措施与建议

7.3 增强可解释性

7.3.1 可解释性问题与挑战

7.3.2 可解释性措施与建议

7.4 设计权限控制

7.4.1 权限控制问题与挑战

7.4.2 权限控制措施与建议

7.5 严格价值对齐

7.5.1 价值对齐问题与挑战

7.5.2 价值对齐措施与建议

7.6 确保人在回路

7.6.1 人在回路问题与挑战

7.6.2 人在回路措施与建议

7.7 本章小结

思考题

练习题