ODBIERZ TWÓJ BONUS :: »

Wzorce projektowe w generatywnej AI. Sprawdzone rozwiązania przy budowie agentów i aplikacji GenAI Valliappa Lakshmanan, Hannes Hapke

(ebook) (audiobook) (audiobook)
Autorzy:
Valliappa Lakshmanan, Hannes Hapke
Wydawnictwo:
Helion
Wydawnictwo:
Helion
Ocena:
Stron:
456
Druk:
oprawa miękka
Dostępny format:
     PDF
Czytaj fragment
Książka
90,30 zł 129,00 zł (-30%)
90,30 zł najniższa cena z 30 dni

Dodaj do koszyka Darmowa dostawa od 60,00 zł Do darmowej dostawy brakuje Ci 0,00 zł Najtańsza dostawa od 9,90 zł Gratulujemy! Twoje zamówienie kwalifikuje się do darmowej wysyłki

Przedsprzedaż Realizacja zamówień od 2026-09-15

Powiadom mnie, gdy książka będzie dostępna

Wysyłamy towar w ciągu 24h licząc od dnia premiery
Ebook
64,50 zł 129,00 zł (-50%)
64,50 zł najniższa cena z 30 dni

Dodaj do koszyka Early Release Dostępny natychmiast po opłaceniu zakupu lub Kup na prezent Kup 1-kliknięciem

Przenieś na półkę

Do przechowalni

Do przechowalni

Powiadom o dostępności audiobooka »

Early Release

Grafika Early Release

Uwaga! Ebook w usłudze Early Release – pełna wersja przed premierą. Otrzymujesz natychmiastowy dostęp do 100% ukończonej i zredagowanej książki, zanim trafi ona do ogólnopolskiej sprzedaży. Zyskujesz wiedzę jako pierwszy!

Więcej

Czego się nauczysz?

  • Kontrolowania stylu i formatu odpowiedzi LLM za pomocą maskowania logitów i reguł gramatycznych
  • Przenoszenia stylu między tekstami oraz neutralizowania i odwracania tonu wypowiedzi
  • Optymalizowania treści generowanej przez modele pod kątem jakości i spójności
  • Projektowania i wdrażania podstawowego RAG do uzupełniania wiedzy modeli bazowych
  • Budowania indeksów semantycznych oraz skalowania indeksowania dla dużych zbiorów danych
  • Ulepszania retrievalu dzięki podejściu świadomemu indeksu i postprocessingu węzłów
  • Zwiększania wiarygodności generacji poprzez cytowanie źródeł i strategie ograniczania halucynacji
  • Stosowania głębokiego wyszukiwania (Deep Search) do trudnych zapytań i wieloetapowego odzyskiwania kontekstu
  • Wzmacniania wnioskowania modelu technikami Chain of Thought i Tree of Thoughts
  • Rozszerzania możliwości modeli przez strojenie adapterów i podejście Evol-Instruct
  • Podnoszenia niezawodności odpowiedzi dzięki LLM-as-Judge oraz mechanizmom refleksji i autokorekty
  • Uporządkowania architektury aplikacji GenAI przez wstrzykiwanie zależności i optymalizację promptów
  • Wyposażania agentów w działanie przez wywoływanie narzędzi, wykonywanie kodu i współpracę wieloagentową
  • Optymalizowania kosztów i opóźnień przez małe modele językowe, buforowanie promptów i optymalizację inferencji
  • Testowania zachowania systemu pod obciążeniem i w degradacji oraz wdrażania pamięci długoterminowej
  • Implementowania zabezpieczeń z użyciem szablonów, przebudowy danych, samosprawdzenia i guardrails

Generatywna sztuczna inteligencja rewolucjonizuje pracę nad tworzeniem aplikacji. Modele bazowe takie jak GPT, Claude, Gemini czy Llama umożliwiają szybkie budowanie demonstracji, lecz rzeczywiste wdrożenia mierzą się z halucynacjami, niespójnymi odpowiedziami, lukami w wiedzy i problemami z niezawodnością. Książka przedstawia 32 wzorce projektowe wypracowane przez praktyków wdrażających systemy GenAI na dużą skalę. To nie teoria, lecz konkretne recepty na powtarzalne problemy, z którymi zmaga się każdy inżynier AI budujący aplikacje gotowe do produkcji.

Autorzy prowadzą czytelnika przez cały proces inżynierii AI od kontrolowania stylu i formatu treści, przez integrację wiedzy zewnętrznej z zaawansowanym RAG, wzmacnianie zdolności wnioskowania, budowę niezawodnych systemów, tworzenie agentów zdolnych do działania, aż po optymalizację wdrożeń i implementację zabezpieczeń. Każdy wzorzec jest opisany według jednolitego schematu: problem, sprawdzone rozwiązanie, kompletny przykład kodu, omówienie alternatyw i kompromisów implementacyjnych. Książka łączy osiągnięcia najnowszych badań z praktycznym doświadczeniem ekspertów i dostarcza gotowe wskazówki dla osób tworzących aplikacje oparte na modelach bazowych.

W książce:

  • RAG i zarządzanie wiedzą
  • Wzorce agentowe
  • Optymalizacja i skalowanie
  • Zwiększanie niezawodności
  • Zarządzanie stylem
  • Zabezpieczenia
  • Rozszerzanie możliwości

Od prototypu do produkcji 32 sprawdzone wzorce dla aplikacji GenAI

Wybrane bestsellery

Selling  helion.pl
nformacja o grafice AI Informacja o grafice AI Wybrane elementy graficzne tej sekcji powstały przy wsparciu AI

O autorach książki

Valliappa (Lak) Lakshmanan jest współzałożycielem i CTO firmy Obin.ai. Wcześniej pełnił funkcję dyrektora do spraw rozwiązań AI w Google. Współautor kilku książek, w tym Wzorce projektowe uczenia maszynowego. Otrzymał tytuł Fellow American Meteorological Society za pionierskie zastosowanie ML w prognozowaniu pogody.

Hannes Hapke jest głównym inżynierem uczenia maszynowego w Digits. Otrzymał tytuł Google Developer Expert w dziedzinie ML, jest członkiem Developer Advisory Board Google. Współautor książek Przetwarzanie języka naturalnego w akcji i Building Machine Learning Pipeline.

Valliappa Lakshmanan, Hannes Hapke - pozostałe książki

Helion - inne książki

Najczęściej zadawane pytania (FAQ)
1. Czego konkretnie nauczę się z tej książki o GenAI poza podstawami promptowania?
Poznasz 32 praktyczne wzorce projektowe do budowy aplikacji produkcyjnych: kontrolę stylu i formatu odpowiedzi, RAG i zarządzanie wiedzą, poprawę niezawodności, projektowanie agentów (tool calling, wykonanie kodu, współpraca wieloagentowa), optymalizację kosztu/latencji oraz wdrażanie zabezpieczeń (guardrails).
2. Czy książka pomaga przejść od prototypu do wdrożenia produkcyjnego?
Tak -- skupia się na problemach typowych dla produkcji (halucynacje, niespójność, luki w wiedzy, niezawodność) i pokazuje sprawdzone rozwiązania, kompromisy oraz kompletne przykłady kodu dla każdego wzorca.
3. Jak dużo miejsca poświęcono RAG i pracy z wiedzą zewnętrzną?
Bardzo dużo -- cały blok wzorców dotyczy RAG i indeksowania (m.in. Basic RAG, Semantic Indexing, Indexing at Scale, Deep Search, Trustworthy Generation, postprocessing węzłów), czyli tego, jak skutecznie ,,dokarmiać" model wiedzą i podnosić jakość odpowiedzi.
4. Czy znajdę tu wzorce do budowania agentów, które realnie wykonują zadania?
Tak -- są rozdziały o agentach i działaniach: wywoływanie narzędzi (Tool Calling), wykonywanie kodu (Code Execution) oraz współpraca wielu agentów (Multiagent Collaboration), a także kompozycyjne agentowe przepływy pracy.
5. Czy książka porusza temat jakości i ewaluacji odpowiedzi modeli?
Tak -- omawia wzorce podnoszące niezawodność, m.in. LLM-as-Judge, Reflection, optymalizację promptów oraz podejścia wspierające testowanie i kontrolę degradacji działania (Degradation Testing).
6. Czy będą tu też tematy optymalizacji kosztów i wydajności (latencja, skala)?
Tak -- znajdziesz wzorce dotyczące ograniczeń i skalowania, m.in. Small Language Model, Prompt Caching, Inference Optimization oraz Indexing at Scale, które pomagają projektować tańsze i szybsze rozwiązania.
7. Czy książka obejmuje bezpieczeństwo i ,,guardrails" dla aplikacji GenAI?
Tak -- jest osobny rozdział o zabezpieczeniach, w tym Self-Check i Guardrails, a także wzorce związane z kontrolą formatu i generowaniem szablonów, co ułatwia ograniczanie ryzyk i wymuszanie polityk odpowiedzi.

Zamknij

Przenieś na półkę
Dodano produkt na półkę
Usunięto produkt z półki
Przeniesiono produkt do archiwum
Przeniesiono produkt do biblioteki
Proszę czekać...
ajax-loader

Zamknij

Wybierz metodę płatności

Książka
90,30 zł
Przedsprzedaż - realizacja zamówień od 2026-09-15
Dodaj do koszyka
Ebook
64,50 zł
Dodaj do koszyka
Zamknij Pobierz aplikację mobilną Ebookpoint